CoevolveSim：研究大语言模型社会网络中信念协同演化的仿真框架

一个基于智能体的仿真框架，用于研究不同角色和专业背景的大语言模型在社交网络中如何形成、传播和演化信念。

• 原作者/维护者: Germans Savcisens, Samantha Dies, Courtney Maynard, Tina Eliassi-Rad（东北大学）
• 来源平台: GitHub
• 原始标题: coevolve-sim
• 原始链接: https://github.com/carlomarxdk/coevolve-sim
• 发布时间: 2025年12月（v0.1.0）

---

随着大语言模型（LLM）被越来越多地部署为智能代理参与协作任务，一个重要但尚未被充分探索的问题浮现出来：当多个LLM在社交网络中相互作用时，它们的信念是如何形成、传播和演化的？传统的单代理推理研究无法回答这一问题，因为社会互动引入的群体动力学与孤立推理有着本质区别。

CoevolveSim 正是为填补这一研究空白而设计的。它是一个基于智能体的仿真框架，专门用于研究不同角色和专业背景的大语言模型在社交网络中的信念协同演化过程。该框架由东北大学的研究团队开发，并已作为学术论文的配套代码库开源发布。

---

CoevolveSim 的仿真循环遵循一个简洁而强大的四步模型：

每个智能体首先对某个陈述形成初始信念。这个信念可以基于智能体自身的知识、预设立场或随机初始化，具体取决于实验设计。

智能体从社交网络中的邻居节点接收信念摘要。这种信息传播模拟了现实社会中的观点交流——个体并非孤立决策，而是受到其社交圈的影响。

基于接收到的邻居信念信息，智能体在多轮交互中持续更新自己的信念。更新规则可以配置，允许研究者测试不同的信念演化假设。

每轮仿真都会产生丰富的指标和输出，保存到时间戳文件夹中供后续分析。这包括个体信念轨迹、网络级收敛模式、影响力分布等。

---