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。
