数智工作坊第12期

智能体在经济学与法学中的

前沿成果和实践应用

9月14日，由国家治理大数据和人工智能创新平台和交叉科学研究院主办的第12期数智工作坊成功举行。本期工作坊以“智能体在经济学与法学中的前沿成果和实践应用”为主题，由国家治理大数据和人工智能创新平台工程师尹珺主讲。活动主题深入，引发热烈讨论。

内容摘要

大语言模型智能体（LLM Agent）的研究近年来迅速发展，在交叉学科中的应用日益广泛，特别是在模仿人类决策的模拟器方面展现出了巨大的潜力和价值。大语言模型智能体凭借其高度灵活性和可定制性，为探索复杂系统动态、预测未来趋势以及评估政策效果提供了前所未有的工具。

本期分享聚焦于大语言模型智能体在经济学，社会学与法学领域的交叉研究。通过经济模拟器EconAgent，AI法庭Agent Court等实际应用案例，探讨了智能体作为模拟器的基本原理，展示了其在具体场景或任务中的开发实践。

报告全文

随着语言模型的发展，基于语言模型的自主代理(Agent)类应用也逐渐得到广泛关注。今天主要给大家分享一些大模型Agent作为社会模拟器的应用实例。目前应用的调研集中在经济学、社会学以及法学领域的相关模拟。

报告分为以下几点：首先简单介绍Agent的概念，然后探讨它在经济学、社会学和法学领域作为模拟器的大致思路，比如这个东西如何运转，有哪几个模块，最后我将结合实际案例，展示如何将这些技术落地应用，特别是在具体场景或任务中的开发实践，并说明在应用对接时所需的准备和支持。

首先是大语言模型智能体的概念。其实智能体这一话题并不新鲜，它是由来已久的，经济学的同学应该对此比较熟悉。Agent是一个具备环境感知、决策制定和动作执行能力的自主算法系统。最早的智能体是基于规则的，随后是基于模型的。现在随着大语言模型的盛行，尤其是昨天OpenAI发布了新版本，每天都在迭代模型的能力。计算机科学家也在猜测，随着参数规模的增大，它会不会有一天变得无比强大。在这样的背景下，基于大模型的智能体是否也会变得更加强大？

接下来，我将主要介绍一下构建大模型智能体的四个模块：记忆组件、规划组件、执行组件，以及Profile模块。

在不同任务中，大模型Agent基本遵循这样一个框架，其核心就是屏幕上展示的大语言模型。它承担着大脑的角色，负责思考和规划。围绕这个大模型，Agent还包含了左侧的记忆和角色组件，它可以由自己个性化设置角色。基于上下文中的信息，尤其是长期和短期记忆，Agent再来执行思考、规划以及做出相应的动作，就是Planning和Action。当这四个模块整合在一起时，Agent一方面可以通过工具获取外部信息以进一步思考和规划，且可以与外界进行交互。

总体而言，所有的Agent大概都由这四个模块组成，具备这四个能力即可以被视为一个具备智能的Agent。Agent大致可以分为两类：一类是完成具体的工作，另一类是用于模拟场景的模拟器。今天我们的讨论将主要集中在Agent作为模拟器的应用上。

首先，我们来介绍一个比较感兴趣且已经实现的应用，即美国的经济社会模拟器，名为EconAgent框架。这个框架源于2024年ACL的优秀论文，通过Agent来模拟宏观经济。这类任务由来已久，经济学背景的同学对此应该更加熟悉，已有许多Baseline，例如基于模型的、基于规则的以及基于强化学习的等等。

今年这篇ACL文章则使用大模型来取代那些算法，来构造经济模拟的框架。它的主要目标是在宏观经济系统中，通过模拟个体的两种行为：工作和消费，来模拟整体的宏观经济涌现。下面我们结合图表，对照之前提到的几个模块，看一下大模型Agent是如何构建的，主要是怎样来定义它的机制。

在构建过程中，这个机制中的Agent有几类，例如个体（如图中的黄色部分），负责做出个人决策；此外还有公司、政府（在右侧）以及银行等不同的角色。Profile 模块主要针对个人，每个Profile都被赋予了年龄、姓名和职业等属性。这些属性并不是凭空生成的，基于现实世界的画像分布，包括年龄、姓名、职业等，使得每个个体都具有独特的特征和背景，从而能够模拟真实世界中个体的多样性和复杂性

基于这两个东西之后，我们可以规划它们之间的互动机制。在系统构建中，个体需要做出两个决定，其中一个是它是否工作。如果决定工作，个体将通过工作获取收入。这一决策过程由大模型驱动，即个体通过与大模型交互，根据当前环境信息，经济环境中的信息及其变化趋势，来帮助个体决定是否要工作。这一点可能与经济学传统Simulation基于规则方法有所不同。

第二个是政府的征税，包括税重分配。这个就不是通过大模型对话来完成的，而是基于规则和公式来计算。论文的具体实现中参照了美国当时真实环境的数据。

第三部分是个体需要做的另一个决定：是否消费。同样是通过跟大模型的交互来完成的。交互也是刚才所说的，根据当前环境信息，经济环境中的信息及其变化趋势决定。

再然后就是第四部分，个体的工作带来生产供应，而消费行为会产生需求。在结合当前库存后，可以参考经济学中的供需平衡或不平衡带来消费市场、劳动力市场的动态变化，即商品价格以及工资变动等。经济学背景的同学对此应该比我们更加了解，这一部分是通过一系列公式和规则实现的。

第五部分，每年个体在银行储蓄得到利息，银行则根据Taylor Rule调整利率等，这也是基于规则的过程。在这里，个体就是做两个决定，工作和消费，并通过与大模型的两次交互完成这两个决定。

除此之外跟大模型另外一个交互在反思。它需要对历史的个体以及宏观经济状况问一些关于反思的问题，得到关于个体和宏观情况的启示。在这里列举了一个关于反思的例子，可以看到个体能感知劳动市场与消费市场的变化。

之前的模拟已经完成，接下来需要对其进行评估。考虑到推理的成本很高，以及需要跑20年模拟的历程，其实也很不容易。那么如何确定这个东西的价值和准确性呢？

评估方法是通过宏观的指标和规律去验证。一方面是将20年的数据画出，包括宏观经济指标如通胀率和GDP等，并将这些拟合数值与Baseline方法的你和数值结果进行对比，以检查是否吻合。另一方面是检验它是否满足经济学的一些交叉定律，例如菲利普斯曲线等。从这两个方面出发，通过定律的模拟，能够得出明确评估，判断这20年模拟的准确性，或者是否需要进行调整。

突发事件干预有点类似于Case study。例如，从2018年开始模拟，首先运行一段时间，到2019年突发疫情分支分叉。在这里，可以对模型进行干预，将疫情的影响纳入考虑。具体来说，可以给模型一个Prompt，让它模拟疫情发生的情况。另一个模拟则是不提供疫情的Prompt，继续执行模拟。通过对比这两个模拟结果，可以发现从宏观角度来看，失业率的变化存在显著差异。在有疫情的情况下，失业率明显较高，这也是一个比较合理的结论。

经济模拟系统除Demo外还有许多研究。例如按照Agent的数量来分类的情况。

除了经济涌现的现象之外，桥接微观和宏观的桥梁，还有一些社会模拟的应用也非常有趣。从实验的角度来看，这些应用有一些相似。正如刚才提到的，通常利用微观层面的Memory和Profile来执行决策，从而模拟它所涌现的宏观社会学现象。在这方面已有不少相关的研究成果。例如，从传播学的角度来看，新闻发酵通常会呈现出双峰传播，或者模拟特定的社区场景，类似于《狼人杀》游戏中的情境，参与者需要决定是选择说真话还是说假话，是进行合作还是欺骗。另外一个是个体社会行为的模拟，相关的工作也比较多，大家可以针对特定的任务和兴趣自己找来探索一下。

除了前面提到的经济学和社会学系统模拟之外，我们还实验了一个AI法庭的模拟工作。这项工作主要是模拟真实的法庭场景，具体来说，将6个Agent分别模拟为书记员、法官、原告、被告，以及原告和被告的律师，来还原法庭的实际情况。通过这个模拟系统，来驱动教育、案例分析以及法律研究。可能落到实地的是通过这样一个进化提升律师的经验和水平。这项工作是今年8月15日刚发布的，属于比较新的尝试。

如右边的流程图所示，我们先看黄色部分，法庭流程是由法官首先发言，接着原告和被告陈述案情，然后进入庭审阶段。庭审开始后，会进行一些初始化的工作，原告和被告的律师在法庭上进行辩论，最终得出案件的结果。

与之前提到的类似，大模型对整个过程进行反思，这是比较有价值的部分。这个反思基于真实的模拟过程，涵盖了三个方面：法条记忆、判案经验以及法庭辩论的技巧。在每轮模拟结束后模型都会进行反思，从而提升律师的经验和能力。最终，我们通过一个包含一千个民事判决的数据集，让两个律师在各自职责范围内进行辩论，从而不断积累实战经验。

之所以选择这个场景，主要也是因为它相对容易评估，能够较为清晰地判断模拟结果的可靠性。评估主要可以分为两个方面，先不看CASE分析的话。自动评估是通过Agent模拟的方式，让两个律师处理一千个案件。接着，安排它们完成法律界的标准任务，其中选取了三类任务作为评估依据。通过这些任务，观察它们的能力是否得到了提升。实验数据表明能力确实有明显增强。例如，之前在回答法条图谱相关问题时，它们可能会答非所问，但经过处理一千个案例后，回答的准确性提高了。与此同时，推理能力也在这一过程中得到了明显提升。

此外，还有一些人工评估的方式，在这个实验中，从知识、能力和逻辑三个维度为它们打分。通过打分分析，可以看出经过改进后的律师在各方面表现更加卓越。

至于CASE分析，可以通过法条图谱记忆的例子来对比说明。在它没有经过一千场模拟官司之前，当我们询问大模型相关法律问题时，它是能够给出一些答案，但在经过一千场官司的模拟和训练，知识储备和推理能力都有一定增强之后，发现它确实能够提供更为准确的法条内容。

我们还想简要介绍一下开发方面的内容。之前在工作坊中也有老师介绍了工程开发，大家在开始时往往会首先考虑各种开发框架。的确，开发框架非常重要，尤其是在处理复杂系统模拟时，可以提供很多便利和优势。但是以刚才介绍的法条模拟为例，它实际上没有使用任何框架，因为涉及的Agent数量较少，所以框架的使用并不是绝对必要的。如果项目规模较大，我们可以借助像LongChain这样的工具，这方面的资料也比较多。其次是Agent访问工具的方式，这里可以跟工具有直接的交互。另外，还有数据的交互方式。刚才提到的案例中跟数据没有太多交互方式，但如果系统需要从Memory中进行复杂的交互，这里还需要涉及RAG或Graph RAG的提升。最关键的是，针对具体应用场景时，我们应当关注如何设计对话，如何制造机制，让它完成具体的任务。

除了刚才所说的工作介绍之外，也想为大家展示一些计算机专业同学的工作。他们可能在之前提到的四个模块中都有所提升，比如如何优化Profile，如何更有效地设计Memory的长短期记忆机制。

在Planning方面，简单的流程图可能无法满足复杂任务的需求，还可以探索更复杂的规划方式。至于Action部分，Action可以调用外部工具，并且不一定局限于闭环环境。比如，系统可以通过与开放搜索引擎的交互来做角色，或在执行Action时还需要整合视觉信息作为输入，或者结合其他必要的知识来做出决定。我这里只列举了几个工作，实际上内容相当广泛。

我们演示了一些具体场景下的应用，比如在经济学、社会学和法学领域的案例。目前展示的可能是一些相对简单的应用，但随着计算机专业能力的提升，未来还可以支持更加复杂的机制和应用场景。

这是一个范式的总结，也是借鉴了文老师PPT中的内容。第一个时代是机器学习时代，随后大模型的兴起使得我们能够通过输入提示词，借助模型的强大能力完成一些任务。现在我们想说的是如何更好地拥抱智能体时代，相应的范式也在发生转变。不是说只给一个提示词，而是需要把机制提炼出来。通过正确的实验和不断的试错，以及持续的反思和改进，来实现智能的涌现。

刚才提到这些研究其实早已有之，大模型和智能体的研究也是如此。比如古文经典中所说的“博学之、审问之、慎思之、明辨之、笃行之”，都可以对应到具体的计算机处理方式。例如，“博学之”是不是说这个数据量足够大就可以了；“审问之”是不是可以对应设计高效的提示工程；“慎思之”在思索的时候，是不是可以借助思维链或思维框架；“明辨之”则是处理Action时，通过价值观对齐和个人或历史记忆的检索，结合先进的Rerank技术来确保结果的准确性；最后，“笃行之”可以理解为借助外部工具或技术实现与现实世界的有效交互。

最后谈一下数据集领域和我们想做的一些事情。例如，刚才提到的大模型Agent模拟，除了法律部分是使用中文法条的判决书分析之外，还是在刷国外数据集，比如推荐领域的Movielens数据集，第一个介绍的美国经济社会模拟，也是基于美国社会的超参等来实现的。

我们就在思考：是否可以自己构建一个数据集，或者在自己的任务上有一些宏观涌现的发现？在数据方面，也希望能够有更加有价值的数据，基于这些数据开展更有意义的应用或研究。最后是评估。评估也需要提前思考，如何评估我们一系列模拟的有效性。包括上面讲的工作，我们都很欢迎经济学或者社会学的同学与我们交流，进行一些研究和应用。最后，这里列出了一些我们的联系方式以及常规活动，欢迎大家参与。

这是用到的一些参考文献，谢谢！