通过事件引导的多智能体模拟器模拟美国对中国的态度

了解观点的动态演变，例如美国公众对中国的态度，对于评估地缘政治风险至关重要。然而，现有的基于 LLM 的多智能体模拟器主要依赖于静态规则和固定数据集，限制了它们捕捉现实世界环境中宏观层面观点转变的动态、事件驱动性质的能力。为了解决这个限制，我们提出了一种事件引导多智能体模拟器（ES-MAS），其中重大事件和每日新闻通过智能体之间的动态交互不断推动观点演变。我们首先构建中美关系Relation Evolution (CURE) 数据集，涵盖 2021 年至 2025 年的 20 个季度，包括 258 个重大事件和超过 14,000 篇每日新闻文章，为舆论动态建模提供全面的时间基础。在 CURE 数据集的基础上，我们提出了一个双流数据集成引擎 (DSDIE)，它通过宏观事件将模拟与历史时间线保持一致，同时根据个体代理配置文件和上下文信号实现个性化信息公开。此外，我们设计了新闻驱动的动态交互（NDDI）模块，该模块自适应地将具有共享新闻兴趣的代理分组到本地化交互上下文中，促进自下而上的共识形成，同时减轻孤立信息茧的风险。 CURE 数据集上的实验结果表明，ES-MAS 在再现真实世界历史趋势方面远远优于现有模拟器，为动态意见演变建模提供了可扩展且有效的框架。