摘要：随着生成式LLM能力的持续演进，其在社会认知模拟中的应用逐渐展现出范式级变革的潜 力。传统社会仿真方法多依赖静态规则和简化行为模型，难以捕捉人类社会行为的动态演化和文 化复杂性。基于LLM驱动的智能体因具备上下文理解与自然语言生成能力，成为建模社会认知机 制的新兴工具，能够模拟诸如身份建构、价值判断、意图推理等复杂社会心理过程。简要介绍 LLM的技术基础，指出使用LLM智能体与社会认知模拟的适配性；构建了一个涵盖属性建模、记 忆管理、规划与行动的智能体社会认知建模框架；在模拟流程层面，提出“数据收集-智能体协 同-多维评估”的技术链条，并探讨认知可解释性与模拟现实对齐等挑战；总结了当前在社会学、 经济学、军事学等方面的应用进展，并讨论LLM社会认知模拟的前沿趋势与未来发展方向。 关键词：大语言模型；社会认知模拟；智能体建模；模拟-现实对齐0　引言 在理解人类社会复杂性与集体行为机制的探 索中，社会认知模拟正逐步成为关键性研究范式。 从以解释性建模为主的理论模拟，到政策设计与 社会干预的实践模拟转向，社会认知模拟的功能 边界不断拓展。经典的经济学与行为科学模型(如 理性选择理论、博弈论)虽能刻画个体决策的简化 逻辑，但在模拟认知极化、信息级联等群体涌现 现象方面存在显著局限。为克服传统模型在行为 复杂性和社会适应性建模方面的不足，多智能体 系统(agent-based modeling，ABM)被广泛引入社 会仿真领域，提供了一种通过个体行为规则驱动 群体演化的建模路径。然而，ABM框架通常依赖 人工设定的规则库和静态交互逻辑，其在应对真 实社会情境、处理复杂语义和实现零样本泛化能 力方面仍受到限制。 生成式 LLMs 驱动的智能体系统为社会认知 模拟提供了全新的可能路径。借助其强大的语言 理解、语境推理和知识迁移能力，LLM智能体不 仅能够以类人方式进行社会互动与价值判断，还 逐步展现出具备“心智化”特征的行为表现。这 种智能体可在模拟中动态调整观点、整合情感状 态与社会背景，形成基于自然语言驱动的涌现式 社会行为，突破了传统规则系统在社会认知建模 中的表达瓶颈。 当前已有多篇综述[1-3] 在LLM驱动智能体、优 化与评估方向上进行了较系统的探讨。然而，这 些研究大多仍聚焦于架构层概述或应用层实践， 在若干关键维度上存在明显不足，包括模块级设 计对比的系统性缺失、多智能体的异构与混合机 制兼容性研究不足、可解释性与伦理问题的深度 讨论有限、对应用领域的覆盖面分散等。 本文以基于生成式LLM的社会认知模拟为核 心主题，尝试从理论、技术与应用层面进行系统 梳理。具体而言： (1) 从认知科学与 ABM 视角出发，对现有 LLM 智能体研究的理论基础与技术演进进行 回顾； (2) 总结智能体建模的五大核心模块——感 知、记忆、推理、行动、交互与演化，并据此构 建涵盖“数据生成-协同模拟-多维评估”的整体 流程框架，并在可解释性、偏差与伦理等评估维 度上展开讨论； (3) 归纳 LLM 智能体在社会认知的关键场景 下的典型应用与表现特征。 本综述旨在厘清这一新兴交叉领域的研究脉 络与关键挑战，为人工智能与社会科学的深度融 合提供方法论支持和结构化认知框架，推动构建 新一代“认知可解释”的智能社会模拟体系。