Sentipolis：面向社会模拟的情感感知智能体

LLM智能体越来越多地用于社会模拟，但情感常被当作瞬时线索处理，导致情感失忆和长期连续性弱。我们提出Sentipolis，一个情感有状态智能体框架，整合连续的愉悦-唤醒-优势（PAD）表示、双速情感动态和情感-记忆耦合。在多个基座模型和评估者上数千次交互中，Sentipolis改善了基于情感的行为，促进了沟通和情感连续性。增益依赖于模型：更高容量模型的可信度提升，但较小模型可能下降，且情感感知可能轻度降低对社会规范的遵从，反映出社会模拟中情感驱动行为与规则遵从之间类似人类的张力。网络级诊断显示互惠、中等聚类且时间稳定的关系结构，支持对联盟形成和渐进关系变化等累积性社会动态的研究。