MASS：记忆增广社会仿真的社会科学深度研究

由大型语言模型（LLM）支持的深度研究代理在自动化论文写作任务中展现出了非凡的潜力。然而，现有系统严重依赖通过互联网和本地知识库进行文献检索和综合，往往导致社会科学研究缺乏洞察力和创造力。为了解决这个问题，我们提出了“记忆增强社会模拟（MASS）”，这是一种创新范式，利用高度现实和以研究为导向的社会模拟来增强大语言模型研究的创造力和实证基础。具体来说，MASS 集成了三个核心组件：具有多级社会规范约束的动态目标路径规划来指导模拟、用于智能体记忆冷启动的多学科行为数据集以及受艾宾浩斯曲线启发的结构化遗忘机制。这些共同确保了模拟的真实性，并为生成创新学术论文提供了坚实的实证基础。实验结果证明了我们方法的有效性，与基础大语言模型相比，生成整体质量提高了 6.81%，而洞察力比强基线提高了 17.19%。