主页 › 范文 › 公共管理 › 本文

VAcSim：基于生成智能体的疫苗犹豫政策模拟框架

摘要

文章提出VAcSim框架，利用100个大语言模型驱动的生成智能体模拟公共卫生政策对疫苗犹豫的影响。该框架通过三阶段流程实现：1) 基于人口普查数据实例化具有人口统计特征的智能体；2) 构建社交网络并建模疫苗态度随社会动态的演变；3) 评估不同干预政策效果。创新性地引入态度调制和模拟预热技术增强现实对齐性。实验表明Llama-3.1和Qwen-2.5等模型能有效区分政策强度差异，与专家排名的肯德尔相关性达0.733。研究揭示了生成智能体在政策模拟中的潜力与挑战，为公共卫生决策提供新范式。

1. 引言

疫苗犹豫被定义为"尽管有可用接种服务仍延迟或拒绝接种疫苗"的现象，已被世界卫生组织列为全球健康十大威胁之一。传统政策评估依赖昂贵的社会实验和纵向数据收集，文章提出生成智能体模拟新范式。VAcSim框架通过大语言模型驱动智能体社会，探索公共卫生政策在沙盒环境中的效果。该研究开创性地将生成多智能体系统应用于疫苗犹豫建模，通过态度调制和模拟预热技术解决LLM与现实对齐的挑战，为政策制定提供可扩展的评估平台。

2. VAcSim框架

2.1 智能体架构

框架实例化100个具有记忆模块的智能体，其人口统计特征采样自包含1300万响应的美国COVID-19疫苗犹豫调查数据。每个智能体包含：

记忆系统：存储重要性加权的经验教训，显着性计算为：\(\gamma_{i}=\alpha_{i}+\lambda_{i}^{d-d_{i}}\)
态度建模：采用1-4级量表评估疫苗态度（1=坚决不接种，4=坚决接种），通过概率分布输出结果
态度调制：引入温度缩放技术调整态度分布：\(\bar{P}_{i}=\frac{P_{i}^{1/T}}{\sum_{k=1}^{4}P_{k}^{1/T}}\)，解决预训练偏差问题

2.2 模拟生态系统

框架构建三重信息环境：

新闻网络：生成10K篇疫苗相关新闻，分类为促进接种（\(N_{\mathrm{pos}}\))与阻碍接种（\(N_{\mathrm{neg}}\))类型
社交网络：基于智能体特征生成关注关系，推文推荐分数计算为：\(s_{r^{k}}^{q_{1}\to q_{2}}=\text{MaxSim}(\tau_{q_{1}}^{i},\tau_{q_{2}}^{k}) \times\lambda_{r}^{d-d_{k}}+\phi\mathbb{I}_{q_{1}\to q_{2}}\)
疾病风险模块：集成COVID-19急诊就诊率数据反映健康威胁水平

2.3 政策干预设计

评估三类CDC推荐政策：经济激励（\(p_{1}\))、大使计划（\(p_{2}\))和疫苗强制（\(p_{3}\))，每类分强弱两个力度等级。政策效果通过犹豫减少量衡量：

\[ \Delta H_{L}(p,N)=H_{L}(p_{0},N)-H_{L}(p,N) \]

其中\(H_{L}\)表示第L周结束时的疫苗犹豫百分比。采用模拟预热机制：前5个时间步不实施政策干预，模拟现实世界中政策滞后出台场景。

3. 实验评估

3.1 评估指标体系

建立三重评估标准：

现实世界对齐：对比模拟初始犹豫率与真实数据45%的偏差
全局一致性：检测政策力度变化（强弱差异）与新闻立场转换时的响应一致性
局部一致性：通过GPT-4o评估智能体态度、记忆、对话与人口统计特征的一致性

3.2 关键实验结果

模型性能对比：Llama-3.1和Qwen-2.5在初始对齐误差（0.6%）、政策区分度（>2%）方面表现最优。温度参数显著影响对齐效果，Llama-3.2和GPT-4o-mini偏差超20%。

政策效果：强政策平均降低犹豫率8.7%，显著优于弱政策（4.2%）。经济激励政策效果最显著（\(\Delta H=9.3\%\)），大使计划效果最弱（\(\Delta H=3.1\%\)）。

专家验证：Llama-3.1政策排名与专家评估肯德尔相关系数达0.733（p=0.056），强疫苗强制令被共同评为最有效政策。

3.3 行为模式分析

定性研究揭示三大政策障碍：

对机构缺乏信任（如政府、制药公司）
激励措施不足（弱经济激励转化率仅17%）
社交媒体矛盾信息（致38%智能体态度振荡）

典型行为模式包括：63岁基督徒男性因政策激励增强信心，51号女性因安全性质疑持续犹豫，26号女性因政府不信任保持顽固抗拒。

4. 结论与讨论

VAcSim框架证明生成智能体在公共卫生政策模拟中的潜力，特定LLM能捕捉人口统计特征、社交网络和政策间的复杂影响。研究揭示三大挑战：1) 极端温度参数导致态度分布失真；2) 安全对齐模型存在接种偏好偏差；3) 提示工程敏感性影响结果可靠性。伦理方面强调需警惕模拟与现实偏差、人口简化及训练数据偏见风险。未来工作将聚焦最小化提示依赖的智能体构建和模拟内训练机制，推动生成社会模拟在政策制定中的负责任应用。