情感如何在LLM智能体间传播：人群仿真中涌现的情绪感染

本文研究语言模型在多智能体人群仿真中的行为，重点关注情感如何在彼此感知并相互评价的智能体之间传播。每个智能体通过视觉、听觉与触觉通道感知邻居，然后结合其提示设定的人格画像、记忆、当前情感状态与情境语境对这些感知进行评价。评价由LLM完成，它更新智能体的内部情感状态并选择其外显表达。该架构不包含任何在智能体间直接传递情感状态的手工机制；智能体间的影响经由感知-评价-表达循环产生。智能体表示借鉴了大五人格模型与Russell的情感环状模型。为控制延迟，底层转向与导航由一个独立于基于LLM的认知层运行的常规人群仿真器处理。我们在五个场景环境中评估该架构，覆盖不同空间布局下惊警、愉悦与中性的情境。结果表明，该系统在稀疏的小规模人群中产生了具有空间、时间与人格依赖结构的情绪感染动力学。惊警以行进波前的方式从被播种的智能体扩散，平均惊警比例稳定在非零平台，而提示的人格画像分布决定了模糊的警报是否会点燃恐慌、挑衅被解读为愤怒还是恐惧。我们进一步通过跨提示变体、采样温度与四个模型后端的受控实验评估评价步骤，结果显示这些动力学依赖于后端。