一种智能体行为仿真方法、系统、存储介质及电子设备与流程

摘要: 本发明涉及智能体行为仿真,尤其涉及一种智能体行为仿真方法、系统、存储介质及电子设备。背景技术:1、社交媒体作为现代社会信息传播与舆论形成的主要载体,其热门话题的...
一种智能体行为仿真方法、系统、存储介质及电子设备与流程

本发明涉及智能体行为仿真,尤其涉及一种智能体行为仿真方法、系统、存储介质及电子设备。

背景技术:

1、社交媒体作为现代社会信息传播与舆论形成的主要载体,其热门话题的产生、演化与扩散过程具有高度的复杂性和动态性。通过构建高保真的多智能体仿真系统模拟社交媒体用户行为,能够为舆情监测预警、公共政策评估、网络内容治理等提供关键的技术支撑,具有重要的理论价值和实际应用意义。

2、当前社交媒体群体行为模拟技术主要采用以下技术方案。

3、以传统规则驱动的多智能体仿真系统方案。传统多智能体系统主要基于规则引擎、元胞自动机、传染病模型等统计力学方法,通过为每个智能体预设固定的行为规则和状态转移函数,模拟个体间的信息交互与观点传播过程。这类方案本质上依赖人工设计的静态规则体系,无法适应社交网络与交互模式的动态变化,缺乏认知自更新能力。

4、基于固定社交网络的多智能体直接交互仿真系统方案。多智能体直接交互仿真系统模拟社交媒体真实用户,为每个智能体配备配备独立的记忆模块,存储其个人特征、交互历史和心理状态,通过提示词工程引导大语言模型生成符合个体特征的行为。系统预先设定智能体之间的社交连接关系,群体交互通过智能体与其邻域节点的直接关联决策实现,信息与观点沿预设的社交链路进行传导。该方案能够体现社交关系对个体行为的影响,但网络拓扑在初始化后固定不变,无法随交互过程动态演化;同时全量邻节点直接交互的模式计算复杂度较高,难以支撑十万级以上的大规模仿真场景。

5、基于集中式全局群体表征的仿真框架。该框架通过全局聚合的方式生成统一的群体状态表征,替代智能体间的两两交互,将系统计算复杂度从降低至。框架通过聚合群体中所有智能体的外部行为与部分状态数据生成全局群体表征,并将该表征作为通用全局上下文输入到每个智能体的决策模块中。该方案解决了大规模场景的计算效率问题,但采用无差别的全局均质信号,抹平了社交媒体天然存在的圈层分化与群体异质性,所有智能体接收完全相同的群体信息,不符合真实用户仅受自身社交圈影响的信息感知逻辑。

6、综合而言,现有技术无法同时兼顾个体认知更新与群体演化规律,具体表现为以下三点:

7、1、架构割裂,社交信息无法与多层认知分层融合。层级记忆与邻域交互沿两条独立技术路线发展,未建立深度适配。邻域信息不能按认知层级(瞬时/短期/长期记忆)差异化注入,无法实现社交信息对多层认知的精细化塑造。

8、2、传导单一,社交影响传导无法体现差异化心理权重。社交影响多依赖显式行为(如点赞、转发)统计或全局均质信号,未将“社交连接深度”与“内部心理状态”作为传导权重,导致影响仅停留在行为表层,无法穿透至心理层面,不符合“关系越近、影响越强”的真实社交逻辑。

9、3、结构静态,个体认知与社交拓扑缺乏双向共演化闭环。现有技术中社交拓扑往往固定不变,个体认知的更新无法反作用于社交网络结构的演化,个体认知状态更新与社交网络结构演化是两个割裂的独立过程,无法复现真实社会中的协同演进规律。

技术实现思路

1、为解决背景技术中存在的技术问题,本发明提出一种智能体行为仿真方法、系统、存储介质及电子设备。

2、第一方面,本发明提出的一种智能体行为仿真方法,包括以下步骤:

3、步骤1、为每个智能体配置表示智能体固有特征的长期记忆数据与表示动态心理状态的短期记忆数据,并以所述智能体为节点构建带连接权重的社交拓扑网络;

4、步骤2、基于所述长期记忆数据和短期记忆数据,生成所述智能体对当前话题内容的瞬时记忆数据;

5、步骤3、获取所述智能体当前时间步的邻域节点的状态集合与动作集合,基于智能体与邻域节点的连接权重分别对所有邻域节点的状态集合与动作集合进行加权聚合,并结合上一时间步的邻域影响力表征数据,生成当前时间步对应智能体的邻域影响力表征数据;

6、步骤4、将所述长期记忆数据、短期记忆数据、瞬时记忆数据与邻域影响力表征数据按照结构化模板进行分层封装,输入到大语言模型进行推理,输出对应智能体针对所述当前话题内容的交互动作;

7、步骤5、基于交互动作更新所述智能体对应社交拓扑网络的连接权重,以及基于所述瞬时记忆数据与所述交互动作,更新短期记忆数据,并基于下一话题内容覆盖所述瞬时记忆数据。

8、进一步地,所述构建带权重的社交拓扑网络,包括:

9、将每个智能体的长期记忆数据输入预训练文本嵌入模型,生成统一维度的画像特征向量;

10、计算任意两个智能体的画像特征向量之间的语义相似度;

11、为每个智能体筛选语义相似度排名前k的智能体并建立有向连接,将所述语义相似度对应作为初始连接权重;

12、为每个智能体随机补充m个智能体并以预设连接权重建立连接关系,。

13、进一步地,所述更新所述社交拓扑网络的连接权重,包括:

14、若所述交互动作为正向交互,则根据所述正向交互的交互深度确定对应的权重增量,增加对应连接权重;

15、若所述交互动作为无交互,或者所述智能体与目标邻域节点之间的短期记忆数据中观点向量距离超过预设阈值,则执行权重衰减;

16、当衰减后的连接权重低于预设断连阈值时,自动移除所述智能体与所述目标邻域节点之间的有向连接。

17、进一步地,所述更新所述社交拓扑网络的连接权重,还包括:每t个时间步,为每个智能体随机选取至少一个当前无连接关系的外部智能体,以预设连接权重建立有向连接关系。

18、进一步地,所述正向交互包括点赞、评论和转发;所述交互深度按照转发、评论、点赞的顺序依次递减。

19、进一步地,所述状态集合包括所述邻域节点的短期记忆数据,所述动作集合包括所述邻域节点的交互动作,所述短期记忆数据包括情绪值与观点摘要;所述加权聚合中,与邻域节点的连接权重越高,对应的邻域节点数据在所述邻域影响力表征数据中的影响权重越大。

20、进一步地,所述更新所述短期记忆数据,包括:

21、将所述交互动作、瞬时记忆数据以及当前短期记忆数据输入到所述大语言模型,通过所述大语言模型进行心理反思推理,生成更新后的情绪值和观点摘要,并将其作为新的短期记忆数据。

22、第二方面,本发明提出一种智能体行为仿真系统,包括:

23、层级记忆模块,用于为每个智能体配置表示智能体固有特征的长期记忆数据与表示动态心理状态的短期记忆数据,并基于所述长期记忆数据和短期记忆数据,生成所述智能体对当前话题内容的瞬时记忆数据;

24、动态社交邻域影响力模块,用于以所述智能体为节点构建带连接权重的社交拓扑网络,获取所述智能体当前时间步的邻域节点的状态集合与动作集合,基于所述智能体与邻域节点的连接权重分别对所述邻域节点的状态集合与动作集合进行加权聚合,并结合上一时间步的邻域影响力表征数据,生成当前时间步对应所述智能体的邻域影响力表征数据;

25、行为决策模块,用于将所述长期记忆数据、短期记忆数据、瞬时记忆数据与所述邻域影响力表征数据按照结构化模板进行分层封装,输入到大语言模型进行推理,输出对应所述智能体针对所述当前话题内容的交互动作;

26、其中,所述动态社交邻域影响力模块还用于基于所述交互动作更新所述智能体对应社交拓扑网络的连接权重;所述层级记忆模块还用于基于所述瞬时记忆数据与所述交互动作,更新所述短期记忆数据,并基于下一话题内容覆盖所述瞬时记忆数据。

27、第三方面,本发明提出一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的智能体行为仿真方法。

28、第四方面,本发明提出一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;

29、所述存储器存储有计算机执行指令;

30、所述处理器执行所述计算机执行指令,以实现第一方面所述的智能体行为仿真方法。

31、本发明相对于现有技术,具有如下技术效果:

32、1、采用融合层级记忆与动态社交邻域影响力的大语言模型智能体行为仿真系统架构,通过采用个体认知层、邻域交互层、协同决策层的三层分布式设计,将层级记忆技术与动态社交邻域交互机制在架构层面深度融合,从而实现个体特征管理、邻域动态感知、动作决策、双向反馈的全流程一体化运行,形成模块化、可扩展的仿真系统基础。

33、2、提出了基于结构化分层信息统一推理的动作决策机制,通过将个体三层级记忆信息与专属邻域影响力表征按照人类自然决策逻辑进行结构化分层封装,明确不同信息源的语义边界与认知作用层级,完整传递给大语言模型进行端到端统一推理,从而使智能体输出动作同时具备稳定的个性化一致性与动态的群体适配性,形成自然平衡的决策模式。

34、3. 提出了架构级的记忆与社交邻域双向共演化更新机制,通过在系统架构层面建立动作输出与状态更新的直接关联,单次动作同时触发个体记忆与社交拓扑连接权重、邻域影响力表征的并行更新流程,从而确保个体心理状态与社交网络动态始终保持严格的时序同步,形成协调一致的系统演化节奏。

35、4. 提出了个体认知与社交网络协同演化的闭环仿真机制,通过三层分布式架构的协同运行,形成瞬时记忆生成、融合决策、动作输出、状态更新的完整动态循环,从而支持智能体群体的持续迭代演化,准确复现真实场景中个体影响群体、群体塑造个体的双向动态交互过程。