消费类 GPU 上的 Agentopia：具有 8B 模型的缩小规模的 Long-Horizo​​n 端口

基于 大语言模型 (LLM) 的多智能体社交模拟已展现出引人注目的结果，但使用 Qwen3.5-397B-A17B 在 10 个模拟年中对 Agentopia 进行了评估，对 100 个智能体进行了评估，因此消费级硬件上小规模部署的行为尚不清楚。在本文中，我们使用 4 位量化模型 Qwen3-8B-AWQ 在单个 NVIDIA RTX 5070 Ti（12 GB VRAM）上实现并评估缩小规模的 Agentopia 端口。我们对此设置引入了三种结构调整：（1）系统管理的分层内存压缩，（2）每个模拟日四个活动块，以及（3）明确的身体和心理健康状态变量。在三次独立随机运行中，两次运行完成了 52 周，第三次运行在达到上下文限制之前完成了 50 周，总共 154 个系统周（770 个代理周）。没有代理死亡，也没有记录基于阈值的健康警告；包含至少一个 NO_RESPONSE 字段的活动记录在运行中的发生率为 10.15-10.29%。为期 52 周的记忆关闭运行将 L2/L3 工件的产生与分层记忆联系起来；另一项为期 10 周的比较将 4 个每日时间块关联起来，最终记录增加了 2.72 倍，词汇重复率较低，但缺失字段率较高。这些比较并不支持因果行为主张。我们在公共分叉中发布经过验证的配置、派生审计、分析脚本、聚合图形数据以及我们的实施更改；原始运行和初始角色数据被排除在外，因为它们的重新分配来源尚未完全解决。