论文提出基于5亿家庭画像的社会规模多智能体仿真框架。
资讯摘要
论文提出 S²-MAS 社会规模多智能体仿真框架，基于真实调查数据构建 5 亿合成家庭画像。其 Genese 引擎将决策与状态更新分离，并用可复用金融场景与应用账本追踪消费、现金、债务和支付。作者报告，经 SFT+RLCD 在 293 万样本上训练的紧凑决策模型 Sharp-421m-mlx 在消费金融选择场景中达到 74.55% 准确率和 38.37% 问题宏 F1，两项指标均优于 Jev 1.13 与 GLM-5.3-Flash。
要点速读
- 框架基于真实调查数据构建 5 亿合成家庭画像，Genese 引擎分离决策与状态更新。
- Sharp-421m-mlx 在 293 万样本上以 SFT+RLCD 训练，作者报告 74.55% 准确率与 38.37% 问题宏 F1。
- 研究评估八类金融任务，并在配对购买融资条件下仿真 1200 万个不同家庭智能体。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。