Casevo —— 由中国传媒大学开发的开放源代码社交传播仿真平台

Casevo指的是什么

Cognitive Agents and Social Evolution Simulator（CASEVO）是由中国传媒大学的数据科学与智能媒体传播学院及该校的媒体融合与传播国家重点实验室共同研发的一款开源社会互动模拟软件系统。该系统运用了大规模语言模型和多代理技术，旨在通过模仿人类的认知过程、决策行为以及社交互动来分析并预测各类社会现象中的信息扩散模式。CASEVO采用了模块化的设计理念，能够从设定场景到建立复杂的社交网络进行全面的仿真，并利用迭代更新机制驱动模拟流程的发展。该系统在新闻传播学研究、社会科学计算及公共政策制定等多个领域内展现了强大的应用前景，有助于学者们构建理论框架、验证假设以及优化策略方案，进而促进“AI For Social Science”这一新兴研究模式的进步与发展。

Casevo的核心特性

• 社交互动仿真通过仿真复杂的社交互动场景，例如竞选讨论或公众意见的扩散，来展示个人间的交往与资讯分享。
• 社交网络的动态模型构建该功能旨在协助建立并灵活修改社会网络布局，以体现个人联系的变化过程，特别适合于分析信息扩散及社交效应等相关研究领域。
• 个人行动及抉择仿真借助连锁思考(CoT)与检索加强生成(RAG)等技术手段，代理人能够执行复杂的多层次推断，并依据过往的记忆作出判断，从而模仿个人在各种错综复杂环境中的行动抉择。
• 大型平行计算拥有经过平行计算优化的设计组件，能够迅速管理大量代理的同时行动与判断过程，从而增强仿真操作的速度与效能表现。
• 根据不同的场景灵活定制依据用户的特定要求来设计仿真环境，涵盖个性化设定代理特性、构建网络布局以及引入外界事件的影响等方面，以满足各种不同的研究目标。

Casevo的核心技术机制

• 离散事件仿真采用离散事件仿真技术，并通过循环查询来管控代理的行为与时间调度，以保证系统的行动同步及按序处理事件的需求，特别适用于渐进式社会动态仿真的环境。
• 大规模语言模型的整合通过整合LLMs技术，使得代理能够创作出贴近自然语言的文字内容，并具备仿若人类般的判断力及沟通技巧，从而提升了仿真场景的真实性与深度。
• 连锁思考（Chain of Thought, CoT）：借助CoT机制，代理能够执行多层次的逻辑分析，综合考量各种要素后方形成决议，仿真出诸如筹划、协商及结盟之类的策略性行动。
• 搜索加强创作（SAC）RAG记忆系统让代理能够回想以往的交流与决定，利用过往的数据来创造更加精细且贴合情境的动作模式，模仿人的长远策略思考及对回忆倚重的判断方式。
• 分层结构设计Casevo通过其模块化的架构设计，把模型配置、代理操作设定、并发优化及网络控制等核心功能分割为各自的组件，极大地提升了系统在适应性和延展性方面的表现，并且这种设计方便用户依据实际应用场景的需求来进行个性化设置与拓展升级。

Casevo项目的所在位置

• Git代码库：可在GitHub上访问rgCASS团队开发的casevo项目，网址为https://github.com/rgCASS/casevo。
• 关于arXiv的技术文章访问该链接以查看最新的学术论文: https://arxiv.org/pdf/2412.19498，这里提供了最前沿的研究成果。

Casevo的使用场合

• 社会科学探究通过仿真选举流程，探讨选民偏好的演变趋势，并对选举的可能结果进行预估，同时为相关研究供应数据支撑。
• 行动预期仿真顾客购物选择过程，探讨决定其选择的关键要素，并辅助企业规划市场营销方案以增强市场竞争优势。
• 学习与培养创建一个仿真的化学实验室环境，用以模仿各类化学反应及实验步骤，旨在协助提升教学质量，并在保障安全的前提下增强学生的学习成效。
• 娱乐及游戏创作创建具有精细互动机制的非玩家角色，使这些角色能够依据玩家的动作展示多种回应方式，从而提升游戏的乐趣和代入体验。
• 危机管理通过仿真地震等地质灾难的紧急应对措施，并评估这些预案的效果来优化紧急反应流程，最终目标是提升救援效率并降低灾难带来的损害。