CityReal utilizza agenti LLM per migliorare l'allineamento della simulazione urbana con il comportamento umano

CityReal, un framework modulare introdotto in un preprint arXiv (2608.16897), affronta i limiti della simulazione urbana su larga scala utilizzando agenti basati su modelli linguistici di grandi dimensioni (LLM). I metodi esistenti si basano su prompt a pochi esempi, facendo sì che gli agenti riproducano i priori degli LLM piuttosto che il comportamento della popolazione target. CityReal modella gli agenti come decisori guidati dalle intenzioni che perseguono piani di mobilità e attività coerenti. Questi agenti si adattano nel tempo apprendendo abitudini dall'esperienza e dai vincoli. Per migliorare il realismo a livello di popolazione, il framework apprende adattatori testuali che allineano le decisioni degli agenti con le statistiche osservate della popolazione. Gli esperimenti dimostrano un migliore allineamento con il comportamento umano reale sia a livello micro che macro. L'articolo è disponibile su arxiv.org/abs/2608.16897.