论文
诊断与控制分离：基于 LLM 诊断的智能体仿真中可审计的策略自适应
Separating Diagnosis from Control: Auditable Policy Adaptation in Agent-Based Simulations with LLM-Based Diagnostics
摘要
缓解老年人孤独感需要兼具适应性与可审计性的政策干预。现有方法难以调和这两个目标：传统的基于智能体的模型受困于静态僵化，而直接使用大语言模型（LLM）作为控制器则缺乏基本的可追溯性。这项工作提出一个三层框架，将诊断与控制分离，从而同时实现这两种属性。LLM 严格充当诊断工具，评估群体状态并生成结构化风险评估，而具有明确边界的确定性公式将这些评估转化为可追溯的参数更新。这种分离确保每项政策决策都可归因于可检视的规则，同时保持对突发需求的自适应响应。我们在养老照护仿真中，通过五个实验条件的系统性消融验证该框架。结果表明，显式控制规则比端到端黑盒 LLM 方案高出 11.7%，同时保留完全可审计性，证实透明性不必以牺牲自适应性能为代价。
