社会模拟中法学硕士授权代理的具有欲望驱动目标优化的情感认知建模框架

arXiv:2510.13195v1 公告类型：新 摘要：大语言模型（LLM）的出现使智能体能够在社会模拟中代表虚拟人类，促进复杂社会系统中的多样化交互。然而，现有的基于 LLM 的代理在情感认知方面表现出严重的局限性：它们无法模拟桥接虚拟和现实世界服务所必需的有限理性；它们缺乏经过经验验证的集成机制，将情感嵌入到代理决策架构中。本文构建了一个结合欲望生成和目标管理的情感认知框架，旨在实现基于LLM的智能体与人类之间的情感对齐，对基于LLM的智能体的完整决策过程进行建模，包括状态演化、欲望生成、目标优化、决策生成和行动执行。这项研究在我们专有的多代理交互环境中实现了所提出的框架。实验结果表明，受我们框架控制的智能体不仅表现出与其情绪状态一致的行为，而且在与其他智能体类型的比较评估中，表现出卓越的生态有效性，并生成更接近人类行为模式的决策结果。