基于生成代理的建模中的机制合理性

大语言模型（LLM）可以在没有明确编程规则的情况下生成高级多样化现象。这种功能导致它们在不同的基于代理的模型 (ABM) 和社交模拟中得到采用。最近的研究调查了它们产生不同兴趣现象的能力，例如社交媒体平台上的人类行为或博弈论场景中的外星人行为。然而，能力、预测和解释是不同的——从科学哲学和机制文献来看，解释需要在某种程度上展示一种现象是如何由相关的有组织的实体和活动产生的。对于建模者来说，如果不扎根于潜在遥远的研究领域，描述实验的特征或模拟是否提供了能力（或解释）方面的进展可能会很困难。我们将 LLM-ABM 的最新工作与当代科学哲学文献相结合，并用它来操作四级量表中“合理性”的定义。我们的量表将对模型的生成充分性（重现现象的能力）的评估与其机械合理性（现象如何产生）分开，并阐明不同模型的不同作用，例如预测模型和解释模型。我们将其称为机制合理性量表。