大语言模型

论文提出“硅基人”（Homo silicus）概念：把大语言模型视为由训练数据隐式形成的人类计算模型，并像设定经济人一样赋予其禀赋、信息和偏好。作者将六组经典经济实验转化为可控模拟，比较模型行为与原始人类实验结果。多数实验得到定性相近的处理效应，差异则用于暴露模型边界并生成新的研究问题，为将LLM作为经济行为探索工具提供了系统框架。

论文提出“图灵实验”（Turing Experiment），要求语言模型模拟具有代表性的人类被试样本，而不只是模仿某个个体。作者用最后通牒博弈、花园路径句、米尔格拉姆服从实验和群体智慧四类任务比较不同模型。较新的模型复现了前三项经典结果，但在群体智慧任务中出现“过度准确”偏差，说明群体层面的相似性检验也应系统识别模型特有的行为扭曲。

论文考察GPT-3能否在给定人口与社会背景后，模拟特定人群的态度分布。作者把美国多项大型调查中数千名真实受访者的社会人口学背景写入提示，构造“硅基样本”，再与对应人群的真实回答比较。结果表明模型偏差具有细粒度且与人口特征相关的结构，适当条件化后可呈现跨群体的“算法忠实度”；这一证据主要支持群体分布模拟，而不是对具体个体的精确替代。

论文用经典行为博弈与Big Five人格问卷，对聊天机器人开展多任务“图灵测试”，并与来自50多个国家、数万名人类被试的数据比较。GPT-4的总体行为与人格分布在统计上可与随机人类样本相近，也会随经验、情境和表述改变策略。当模型偏离平均或众数人类时，通常更利他、更合作；作者据此估计其行为近似权衡自身与对手收益。

论文针对传统ABM难以灵活刻画主体异质性和多期宏观信息的问题，提出由大语言模型驱动的EconAgent。感知模块为主体配置不同特征与决策机制，记忆模块让其结合个人历史和市场趋势反思，再在劳动与消费环境中形成选择。模拟结果显示，相较规则型和神经网络型基准，EconAgent产生的个体决策更接近现实，并形成更合理的宏观现象，为自然语言智能体进入自下而上宏观仿真提供了初步证据。

论文提出模块化经济AI测试平台EconGym，用统一接口连接经济任务、主体角色和求解算法。平台实现家庭、企业、银行、政府等11类异质角色及其交互，可组合出25项以上跨领域任务，并支持传统经济方法、AI方法及其混合方案。实验覆盖财政、养老金和货币政策协同，显示更丰富的任务与算法会扩展政策空间，经典经济方法引导的AI主体在复杂场景中表现最佳；系统还可扩展到一万名主体。

论文系统梳理大语言模型如何辅助经济研究，覆盖构思与反馈、写作、背景研究、数据分析、编程和数学推导六个领域的数十种用例。作者提供操作原则与具体示例，并按“实验性”到“高度实用”评价不同能力，而非把所有任务一概视为成熟。核心判断是，自动化大量研究微任务能够带来显著生产率提升；文章同时讨论认知自动化的长期影响，并通过在线资源持续更新能力边界。