Spar LLM-simulering: Bytt kostbare agenter med lavparameter-modeller

Kostbare simuleringer av samfunn med mange store språkmodeller (LLM-agenter) har lenge begrenset forskningen. En ny metode gjør det nå mulig å erstatte hver LLM-agent med en rimeligere lavparameter-modell. Dette reduserer kostnadene betydelig og muliggjør simuleringer på en vanlig laptop, uavhengig av antall agenter (N). Metoden, utviklet av forskere inspirert av statistisk fysikk, innebærer å tilpasse en enkel modell for hver agent basert på noen få tusen spørringer til en fullverdig LLM. Presisjonen til denne erstatningen avhenger primært av hva agenten oppfatter av omgivelsene. En ny taksonomi kartlegger hvordan persepsjon og minne påvirker feilmarginen i simuleringene. Funnene er validert på åtte eksisterende LLM-simuleringer, inkludert mikroøkonomien EconAgent, der agentenes beslutninger ble klonet fra ekte LLM-responser for en billig penge. Den forutsagte feilutviklingen stemmer overens i de fleste tilfeller, selv med få unntak der den kvantitativt matcher teorien uten justeringer.