Summary: 本文通过将实验室市场实验翻译到 LLM 环境中，展示了大型语言模型在特定参数下能部分模拟人类经济行为，尤其在正反馈和负反馈市场中重现趋势跟随和收敛动态，为低成本行为模拟提供了新工具。
Keywords: LLM, Behavioral Simulation, Market Dynamics, Feedback Mechanisms, Bounded Rationality
Authors: R. Maria del Rio-Chanona, Marco Pangallo, Cars Hommes
Institution(s): University College London, Complexity Science Hub, Bennett Institute for Public Policy, CENTAI Institute, Bank of Canada, University of Amsterdam
Problem Background
本文探讨了大型语言模型（LLMs）是否能在经济市场实验中模拟人类行为，特别是在动态反馈环境中，多个代理的决策随时间相互影响市场价格。 传统实验室实验成本高昂且难以大规模复制，而 LLMs 提供了一种低成本替代方案，关键问题在于评估 LLMs 是否能准确重现个体行为和市场互动，尤其是在正反馈（价格预期上升导致需求增加）和负反馈（价格预期上升导致供给增加）市场中的表现。
Method
- 实验设计：基于 Heemeijer 等人（2009）的实验室市场实验，模拟正反馈和负反馈两种市场类型，每种市场包含 6 个代理（LLM 或人类），进行 50 个时间步的预测任务，目标是预测下一时间步的市场价格以最大化收益。
- LLM 环境翻译：通过 OpenAI API 使用 GPT-3.5 和 GPT-4 模型，将实验指令和交互过程翻译为文本提示，模拟市场动态，代理在每个时间步接收历史价格、自身预测和累计收益信息，并输出下一时间步的价格预测。
- 参数调整：调整两个关键参数以影响 LLM 行为：上下文窗口（Memory，设置为 1、3、5 步）决定代理能记住的历史信息量；温度（Temperature，设置为 0.3、0.7、1.0）控制输出随机性和多样性，温度越高，预测越具异质性。
- 提示与推理：采用清晰的系统提示和链式思维（Chain-of-Thought）技术，要求代理先提供推理（30-50 字）再输出预测，确保其决策过程接近人类参与者的任务目标，并以 JSON 格式结构化输出以便数据处理。
- 对齐度量：使用一阶启发式回归模型（First-Order Heuristic）分析代理的预测策略，量化其是否表现出趋势跟随（Trend Following）、基本面主义（Fundamentalism）、天真预测（Naivety）等行为模式，并通过市场动态和行为参数估计比较 LLM 与人类的对齐程度。
Experiment
- 有效性：在记忆 ≥ 3 和较高温度（如 1.0）设置下，LLM 代理能够部分重现人类行为：在正反馈市场中表现出趋势跟随行为，价格波动较大，类似人类实验中的泡沫现象；在负反馈市场中最终趋于均衡价格，但 LLM（尤其是 GPT-3.5）收敛速度较慢，振荡更多。
- 优越性与差异：GPT-4 比 GPT-3.5 更接近人类行为，尤其在负反馈市场中收敛速度更快（10-15 步 vs. 25 步），但 LLM 代理整体行为异质性低于人类，缺乏人类中明显的策略分化（如纯趋势跟随者与适应性预测者的集群）。
- 实验设置合理性：实验设计较为全面，涵盖多种参数组合（记忆和温度）、两种市场类型和两种模型，并通过市场动态和行为参数估计进行多维度比较；但局限性在于未探索更复杂的动态（如多市场交互）或人口统计学变量的影响。
- 开销：使用 OpenAI API 的计算成本相对较低，但模拟 50 个时间步的多次实验需要大量 API 调用，可能对大规模模拟构成资源挑战。
Further Thoughts
论文揭示了上下文记忆对 LLM 模拟人类行为的关键作用，记忆 ≥ 3 时效果最佳，启发我们未来可能通过优化记忆‘质量’而非‘数量’来提升模拟效率；此外，LLM 行为异质性不足的问题提示我们可以通过个性化提示（如引入文化或风险偏好变量）增强多样性，这对经济学中的代理建模（Agent-Based Modeling）可能产生深远影响；最后，LLMs 在动态反馈环境中的潜力（如模拟市场泡沫）启发我们探索其作为政策模拟工具的可能性，用于预测现实经济现象或测试干预措施。