YuLan-OneSim是什么
YuLan-OneSim(玉兰-万象)是中国人民大学高瓴 AI 学院RUC-GSAI团队推出的新型社会模拟器。基于大型语言模型(LLM)Agents 模拟人类社会行为,无需编程构建模拟场景,基于自然语言交互生成代码。YuLan-OneSim提供50多个涵盖8个主要社会科学领域的默认场景,支持高达10万Agents的大规模模拟,基于外部反馈自动优化LLM。YuLan-OneSim具备AI社会研究者功能,自动从研究主题生成报告,完成整个社会科学研究循环。YuLan-OneSim推动社会科学与AI的深度融合,为社会科学研究提供强大工具。

YuLan-OneSim的主要功能
- 无需编程构建模拟场景:用户用自然语言交互描述和细化模拟场景,系统自动生成相应的执行代码,降低对编程技能的要求。
- 丰富的默认场景库:提供50多个涵盖8个主要社会科学领域的默认模拟场景,包括经济学、社会学、政治学等,为研究者提供丰富的研究素材。
- 可进化的模拟:根据外部反馈自动优化LLM,提升模拟的准确性和可靠性。
- 大规模模拟能力:基于分布式架构,支持高达10万个Agent的模拟。
- AI社会研究者:自动将研究主题转化为具体的模拟场景,生成研究报告,从研究主题的提出到报告的生成,实现研究过程的自动化。
YuLan-OneSim的技术原理
- 场景形式化:基于Overview, Design Concepts, and Details (ODD)协议将用户需求转化为结构化的场景描述。
- 行为图构建:基于ODD协议,提取Agent类型和行为逻辑,生成行为图,定义Agent之间的交互逻辑。
- 代码生成:根据行为图生成可执行的模拟代码,用模块化代码生成方法,确保代码的准确性和可维护性。
- 场景规范:生成环境数据、Agent配置数据和Agent关系数据,确保模拟的完整性和一致性。
- 模拟子系统:Agent由多个模块组成,包括配置、记忆、规划和行动模块,支持高度定制化。用事件驱动的异步事件总线,支持并行计算和高效的事件处理。基于主从节点架构,支持大规模Agent的并行计算,优化通信效率和资源分配。
- 反馈驱动的进化子系统:基于多智能体框架(Verifier–Reasoner–Refiner–Tuner, VR²T),对模拟结果进行评估和优化。系统生成的提示响应对经过验证、推理、修正和微调,提高LLM的性能。
- AI社会研究者子系统:实验设计模块将研究主题转化为具体的模拟场景,包括生成候选研究问题、评估场景可行性和生成ODD协议。报告生成模块基于模拟结果生成详细的分析报告,包括数据解读、报告结构生成、报告撰写和报告审查。
YuLan-OneSim的项目地址
- GitHub仓库:https://github.com/RUC-GSAI/YuLan-OneSim
- arXiv技术论文:https://arxiv.org/pdf/2505.07581
YuLan-OneSim的应用场景
- 经济领域:模拟市场动态,如劳动力匹配、拍卖市场、银行储备等,分析政策和机制影响。
- 社会学领域:研究社会现象,如文化资本、信息传播、社会规范等,理解社会结构与个体行为互动。
- 政治学领域:模拟选民行为、政策实施、选举极化等,分析制度和政策的社会影响。
- 心理学领域:模拟认知失调、情绪传染、从众行为等,探究心理行为内在机制。
- 公共卫生领域:模拟传染病传播、健康不平等、社区健康动员等,评估干预措施效果。
❓ 常见问题解答(FAQ)
YuLan-OneSim是什么?
YuLan-OneSim(玉兰-万象)是中国人民大学高瓴AI学院RUC-GSAI团队推出的社会模拟器,利用大型语言模型Agent模拟人类社会行为,支持自然语言建模、自动生成代码和研究报告。
YuLan-OneSim支持哪些研究场景?
它提供50多个默认场景,覆盖8个主要社会科学领域,文中明确提到经济学、社会学、政治学、心理学和公共卫生等方向,可用于政策、机制和社会行为研究。
YuLan-OneSim最大的技术亮点是什么?
核心亮点是把场景形式化、行为图构建、代码生成、反馈进化和研究报告生成串成完整流程,并支持高达10万Agent的大规模并行模拟。
YuLan-OneSim适合哪些人使用?
适合社会科学研究者、AI研究人员和需要做复杂群体行为模拟的团队,尤其适合希望降低编程门槛、快速搭建实验并自动生成分析报告的用户。
🔬 语宙深潜追问 · 进阶实操拆解
10万级Agent模拟最该防什么偏差?
最要防的是行为规则过拟合和初始分布偏差。应把人口属性、资源约束、互动网络和反馈机制做成可校准参数,并用真实统计数据做外部验证,否则结果容易只是“会说话的假象”。
如何把模拟结果转成可用研究结论?
不要直接把单次模拟当结论,而要做多轮参数敏感性分析、对照实验和情景分层。最终输出应是“在什么假设下会发生什么”,再结合现实数据与专家访谈收敛成政策建议。
🗳️ 读者观点微投票 · 您的实战立场是?
大规模社会模拟器能真正指导政策吗?
