ElectionSim: 大模型智能体驱动的大规模人口选举仿真框架

基于大规模人口的选举模拟旨在建模特定群体对候选政党和候选人的偏好，在预测现实社会趋势方面有重要意义。当前的主流方法是 agent-based modeling（ABM），通过简单函数实现个体的动作模拟，从而达到对群体行为仿真的效果。ABM方法在建模个体的复杂背景信息和提供交互性结果方面存在不足，因此限制了预测的精度和预测结果的可解释性。随着大语言模型（LLMs）的发展，使用大模型智能体进行个体和任务仿真取得了一定程度的成功。

因此，复旦大学联合美国罗切斯特大学推出了ElectionSim——首个大模型智能体驱动的大规模人口选举仿真框架。 ElectionSim构建了超100万真实用户的选民池，在全美51个州的2020年选举仿真模拟中准确匹配了47个州的真实结果，并在15个摇摆州中成功预测12个州模拟结果。 同时推出了可交互的选举模拟演示系统，支持对2024年和2020年选举结果进行交互式分析，并支持与智能体选民进行互动。