大語言模型智能體社群中的涌現關系秩序：從集體情感到權威分層丨Vibe Modeling讀書會第四期

導語

為推動 Vibe Modeling 在社會科學理論建模中的應用探索，拓展大語言模型多智能體仿真在復雜社會現象研究中的方法邊界。本期讀書會為 Vibe Modeling 讀書會第四期，中國人民大學碩士欒坤宇將圍繞“基于大語言模型多智能體仿真的社會理論建模”展開，聚焦如何將費孝通“差序格局”這一經典社會學理論轉化為可運行、可觀察、可檢驗的智能體模型。報告將以 CAREB-MAS 框架為核心案例，展示智能體如何在長期互動中自發生成社會結構，并探討 Vibe Modeling 作為復雜社會現象生成式建模范式的方法價值。

集智俱樂部聯合同濟大學長聘副教授陳小楊和北京林業大學副教授李周園共同發起，本讀書會旨在跨越硬科技與社會科學兩大板塊，系統梳理vibe modeling的技術現狀、應用潛力與開放問題，通過集體實踐形成可復用的提示策略及評估方法，為這一新范式奠定早期社區基礎，助力推動其在各領域的規范化應用與人才培養落地。

報告簡介

本次報告將圍繞“基于大語言模型多智能體仿真的社會理論建模”展開，介紹如何將費孝通“差序格局”這一經典社會學理論轉化為可運行、可觀察、可檢驗的智能體模型。報告以 CAREB-MAS 框架為核心案例，展示研究者如何在不直接編碼特定文化規則的前提下，通過情感感知、倫理判斷、社會身份更新與行動決策等機制，讓智能體在長期互動中自發生成穩定勞動分工、關系倫理、合作遞減、關系性權威和中心—邊緣分層等社會結構。

本報告尤其關注 Vibe Modeling 的方法論意義：它不僅是“讓大模型扮演角色”，而是將理論概念、機制假設、交互環境、提示策略、實驗指標和消融驗證整合起來，形成一種面向復雜社會現象的生成式建模范式。通過這一案例，報告將討論大語言模型如何成為社會科學理論實驗的新型基礎設施，以及如何在開放式智能體模擬中處理可解釋性、可重復性、機制驗證和經驗校準等關鍵問題。

分享大綱

一、從 Vibe Modeling 到社會理論建模：為什么需要新的生成式模擬范式

1. Vibe Modeling 的基本問題：如何把“理論感覺”“機制直覺”和“情境理解”轉化為可運行模型

2. 傳統 ABM 的局限：規則可控但社會推理能力較弱

3. LLM-agent 的機會：能夠承載情感、倫理、身份、信念和策略互動

4. 本報告的核心案例：用 CAREB-MAS 檢驗“差序格局”的生成機制

二、理論問題：差序格局能否被計算化？

1. 費孝通“差序格局”的核心含義：以自我為中心、關系遠近分層、合作隨社會距離遞減

2. 既有解釋的不足：文化描述豐富，但機制操作化不足

3. 研究問題：差序格局是否只能被看作中國文化特殊性，還是一般社會機制在特定結構條件下的涌現結果

4. 五個生成性命題：穩定勞動分工、關系經濟倫理、合作關系遞減、關系性權威、宗族中心—邊緣結構

三、模型框架：CAREB-MAS 如何構建智能體社會

1. 框架總覽：Collective Affection–Reasoning–Emergence Based Multi-Agent Simulation

2. 智能體認知鏈條：情感感知 EC → 倫理判斷 ER → 社會身份矩陣 SIM → A-BDI 決策

3. 宏觀環境設定：親屬關系、互惠分配、最低限度互動協議、無集中權威

4. 四階段互動循環：社區形成、公共協商、勞動分工與生產、分配與心理更新

5. Vibe Modeling 視角下的關鍵經驗：不是寫死行為規則，而是設計能讓機制“長出來”的交互生態

四、實驗設計：如何讓社會結構在模擬中接受檢驗

1. 智能體設置：18 個智能體、兩個家族群體、若干非結盟個體

2. 生產結構設置：對稱技能條件與互補技能條件

3. 長時段互動：30 輪模擬與多隨機種子重復

4. 指標體系：鎖定得分、社區匹配、提案分布、決策權威、SIM×Family 交互等

5. 穩健性策略：跨模型驗證、模塊消融、BDI-only 基線比較

五、核心結果：差序格局如何在智能體社會中涌現

1. 穩定勞動分工在沒有集中協調的情況下形成

2. 親近關系表現為一種經濟倫理，而不僅是偏好相似

3. 合作沿家族關系邊界遞減，而不是隨機分布

4. 權威通過長期提案與采納過程內生形成

5. 中心—邊緣分層在家族身份與社會承認對齊時最明顯

6. 生產結構會改變社會整合方式：對稱技能更接近機械團結，互補技能更接近有機團結

六、方法論反思：案例對 Vibe Modeling 有什么啟發

1. 理論概念如何轉化為提示詞、模塊、變量和指標

2. 如何區分“模型真的生成了機制”與“大模型訓練偏差導致的表演”

3. 為什么消融實驗是 LLM-agent 社會模擬的關鍵環節

4. 如何提升模型的可重復性、透明性和外部效度

5. 未來方向：結合民族志、訪談、問卷和真實社會數據進行經驗校準

七、開放問題與討論

1. LLM 智能體是否真正擁有“社會理解”，還是只是在擬合文本模式

2. Vibe Modeling 如何避免過度解釋模擬結果

3. 社會科學理論是否可以通過生成式模型進行“計算實驗”

4. 如何建立可復用的提示策略、指標體系和評估標準

5. 這一范式在組織研究、人口研究、公共政策、文化演化和復雜系統研究中的應用潛力

核心概念

大語言模型多智能體仿真

大語言模型多智能體仿真是指將多個由大語言模型驅動的智能體放入同一環境中，使其通過溝通、協商、決策、合作和反饋更新形成動態社會過程。相比傳統 ABM，它的優勢在于能夠更自然地表現語言互動、倫理判斷、身份認同和情境推理；但同時也帶來可重復性、模型偏差、提示敏感性和機制識別等挑戰。

差序格局

差序格局是費孝通提出的經典社會學概念，發生在親屬關系、地緣關系等社會關系中，以自己為中心像水波紋一樣推及開，愈推愈遠，愈推愈薄且能放能收，能伸能縮的社會格局，且它隨自己所處時空的變化而產生不同的圈子。

CAREB-MAS

CAREB-MAS 是本研究提出的多智能體模擬框架，全稱為 Collective Affection–Reasoning–Emergence Based Multi-Agent Simulation，即“基于集體情感—推理—涌現的多智能體模擬”。該框架試圖把情感控制理論、社會認同理論和涂爾干式集體情感整合起來，用于模擬長期社會結構如何從微觀互動中生成。

情感—倫理—身份—行動鏈條

這是 CAREB-MAS 的核心機制。智能體首先對他人的行為形成情感感知，然后進行倫理判斷，再更新自身對他人的社會身份認知，最后影響后續行動決策。這個鏈條使智能體不只是根據收益最大化行動，而是會受到關系、義務、承認和集體情感的約束。

EC：Empathy Core，共情核心

EC 是智能體對他人行為進行情感感知的模塊，來源于情感控制理論。它將可觀察的行動轉化為評價、效能、活動性、地位賦予和權力主張等情感維度，從而為后續倫理判斷和身份更新提供基礎。

ER：Ethical Resonator，倫理共振器

ER 是智能體進行道德評價的模塊。它把智能體對互動對象的感知轉化為贊許、壓制或修復等倫理態度，用來解釋為什么某些合作行為即使短期效率不高，也能因為關系義務而持續存在。

SIM：Social Identity Matrix，社會身份矩陣

SIM 用來記錄智能體之間的主觀關系親近程度和身份認知。它不是靜態標簽，而是在互動中動態更新的關系結構。SIM 的變化決定了智能體如何理解“自己人”“外人”“親近者”和“邊緣者”。

A-BDI 決策模塊

A-BDI 是在傳統 BDI 模型，即信念—欲望—意圖模型基礎上加入 Affection 情感維度的決策模塊。它強調智能體的行動并不只受理性目標驅動，還會受到情感關系和集體倫理的約束。

主講人介紹

主講人：欒坤宇，中國人民大學碩士。主要研究方向：人口社會學、計算社會科學、AI for social science。主持大學生創新創業訓練計劃項目，論文曾在計算社會學、數智時代調查方法前沿論壇等進行宣講匯報。

參考文獻

1. Lei Wang, Zheqing Zhang, and Xu Chen. 2025. Investigating and extending homans' social exchange theory with large language model based agents. In Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 9762–9777, Vienna, Austria. Association for Computational Linguistics.

2. Gordon Dai, Weijia Zhang, Jinhan Li, Siqi Yang, Srihas Rao, Arthur Caetano, Misha Sra, and 1 others. 2024. Artificial leviathan: Exploring social evolution of llm agents through the lens of hobbesian social contract theory. arXiv preprint arXiv:2406.14373.

3. Chen Gao, Xiaochong Lan, Nian Li, Yuan Yuan, Jingtao Ding, Zhilun Zhou, Fengli Xu, and Yong Li. 2024. Large language models empowered agent-based modeling and simulation: A survey and perspectives. Humanities and Social Sciences Communications, 11(1):1–24.

4. Erez Hatna and Itzhak Benenson. 2012. The schelling model of ethnic residential dynamics: Beyond the integrated-segregated dichotomy of patterns. Journal of Artificial Societies and Social Simulation, 15(1):6.

5. Joon Sung Park, Joseph O'Brien, Carrie Jun Cai, Meredith Ringel Morris, Percy Liang, and Michael S Bernstein. 2023. Generative agents: Interactive simulacra of human behavior. In Proceedings of the 36th annual acm symposium on user interface software and technology, pages 1–22.

時間信息

2026年6月7日（周日）下午14:00-16:00，騰訊會議線上進行，感興趣的朋友掃碼報名加入Vibe Modeling讀書會后，可進入學員群進行交流。

報名讀書會：「Vibe Modeling」

集智俱樂部聯合同濟大學長聘副教授陳小楊和北京林業大學副教授李周園共同發起，將在集體實踐中探索 vibe modeling 在不同領域的通用模式與特殊需求，沉淀可復用的提示策略、評估方法與工作流，為這一范式搭建早期社區基礎，助力 AI 賦能的跨學科研究與人才培養落地。

讀書會自2026年5月17日起，每周日下午14:00-16:00線上開展，持續10周，包含主講分享與討論交流，并提供會后視頻回放，誠邀相關領域研究者及跨學科興趣者參與。

掃描海報中二維碼報名參加讀書會

報名方式：

第一步：微信掃碼填寫報名信息。

第二步：填寫信息后，付費報名。如需用支付寶支付，請在PC端進入讀書會頁面報名支付：

第三步：添加運營助理微信，拉入對應主題的讀書會社區（微信群）。

PS：為確保專業性和討論的聚焦，本讀書會謝絕脫離 Vibe Modeling 讀書會主題及相關問題的交流討論；如果出現討論內容不符合要求、經提醒無效者，會被移除群聊并對未參與部分退費。

加入社區后可獲得的資源

完整權限包括：線上問答、錄播回看、資料共享、社群交流、信息同步、共創任務獲取積分等。

特色退費與激勵機制

我們提供以下兩種途徑，讓您的投入獲得實際回饋：

1. 任務達標退費路徑認領并合格完成任意兩期字幕任務，即可退還全額報名費，并額外獲得集智專屬周邊獎勵。

2. 運營成長激勵路徑合格完成一個字幕任務后，可申請成為運營助理。在讀書會項目順利結項后，將退還學費。表現優異者，還有機會獲得額外的獎學金。