标题：人工利维坦：从霍布斯社会契约理论看LLM智能体的社会演化

摘要：随着大语言模型（LLMs）的兴起，我们有了在大规模计算环境下研究社会行为的新工具。本文通过构建基于LLM的多智能体沙盒模拟，探索智能体在资源稀缺环境下的行为演化。实验发现，智能体从“人人相斗”的霍布斯状态逐步形成社会契约，最终演化出和平联邦。这验证了LLM模拟群体动力学的能力，为社会科学研究提供了新视角。

关键词：大语言模型（LLMs）；社会契约理论（SCT）；多智能体模拟（MAS）；霍布斯社会契约；生成式智能体；演化博弈（EGT）

彭晨丨作者
论文题目：Artificial Leviathan: Exploring Social Evolution of LLM Agents Through the Lens of Hobbesian Social Contract Theory
发表时间：2024年7月1日
论文地址：https://arxiv.org/abs/2406.14373

自古以来，如何构建稳定的政治秩序一直是核心议题。霍布斯认为，在“自然状态”中，人类必陷入冲突，唯有通过社会契约建立“绝对主权”才能实现和平。如今，LLM技术使我们能在可控环境中模拟个体与群体互动，本文探讨智能体在资源稀缺条件下的行为演化。

我们通过LLM驱动的多智能体系统，模拟智能体在“饥饿—竞争—合作”环境中的行为。实验中，智能体被赋予“好斗性”“贪婪度”和“实力”等特质，通过耕作、抢劫、交易或赠与四种行动互动。结果显示，智能体从初期的冲突状态逐步形成社会契约，最终达成和平合作。

实验发现，在约21天内，智能体完成了从“自然状态”到“联邦”的过渡。联邦形成后，抢劫行为显著减少，耕作与交易大幅增加。参数敏感性分析表明，记忆深度影响联邦形成速度，高智力反而延缓进程，群体规模影响较小。此外，清除记忆可提高交易接受率。

尽管LLM模拟展现了强大的群体动力学能力，但仍面临挑战，如Prompt设计的非线性效应和智能体记忆限制。未来需进一步优化Prompt设计与参数交互，拓展智能体数量以模拟更大规模社会。

参考文献略
「大模型时代下的Agent建模与仿真」读书会