cs.MA提交于 2026-10-21已译

用于基于智能体建模的大语言模型：建模周期中的当前与潜在应用

Large Language Models for Agent-Based Modelling: Current and possible uses across the modelling cycle

Lo\"is Vanh\'ee · Melania Borit · Peer-Olaf Siebers · Roger Cremades · Christopher Frantz · \"Onder G\"urcan · et al.

中文摘要

大语言模型（LLM）在自然语言理解和生成能力上的进步，引发了基于智能体建模（ABM）社区的关注。LLM具备摘要、生成、分析、分类、转录、翻译文本，回答问题，提出解释，维持对话，从非结构化文本中提取信息，以及执行逻辑推理和解决问题等能力，对建模过程具有潜在贡献。在回顾LLM在ABM中的当前应用后，本研究反思了LLM在ABM中使用的机遇与挑战。研究遵循建模周期，从问题构建到模型结果的文档化和沟通，并持批判性立场。

关键要点

01LLM在自然语言处理和逻辑推理方面的能力，使其在ABM建模过程中具有应用潜力。
02研究回顾了LLM在ABM中的当前使用现状，并评估其在整个建模周期中的潜在作用。
03研究从问题构建到结果沟通，全面分析了LLM在ABM建模周期各阶段的应用机会与挑战。
04研究采取批判性立场，探讨LLM在ABM中应用的局限性和潜在风险。

解读

尚无解读。

原始英文摘要

arXiv:2507.05723v1 Announce Type: cross Abstract: The emergence of Large Language Models (LLMs) with increasingly sophisticated natural language understanding and generative capabilities has sparked interest in the Agent-based Modelling (ABM) community. With their ability to summarize, generate, analyze, categorize, transcribe and translate text, answer questions, propose explanations, sustain dialogue, extract information from unstructured text, and perform logical reasoning and problem-solving tasks, LLMs have a good potential to contribute to the modelling process. After reviewing the current use of LLMs in ABM, this study reflects on the opportunities and challenges of the potential use of LLMs in ABM. It does so by following the modelling cycle, from problem formulation to documentation and communication of model results, and holding a critical stance.