大语言模型智能体

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。