SwarmWorld：共享世界如何讓 LLM Agent 形成社會

1. 這篇論文在研究什麼

SwarmWorld: Stigmergic Technological Evolution in Societies of Language-Model Agents 研究了一個很有意思的問題：

如果不預先指定社會分工，只讓一群 LLM Agent 生活在同一個可持續修改的世界中，協作、分工和技術傳承能否自然出現？

傳統 Multi-Agent 系統通常依賴直接通訊：

Agent A → Agent B

SwarmWorld 更強調：

Agent A → World → Agent B

Agent 可以製造 artifact、修改環境、留下程式，後來的 Agent 通過觀察這些環境變化繼續行動。這種通過環境進行間接協調的機制稱為 stigmergy。

因此，這篇論文最核心的觀點之一是：

The world can become collective memory.

社會知識不一定全部存在於對話歷史或 Agent memory 中，也可以被“寫進世界”。

2. Proposal 和 Consequence 必須分開

SwarmWorld 中，LLM 負責決定 Agent 想做什麼：

$$Observation \rightarrow LLM \rightarrow Action$$

但行動是否成功、需要多少資源、產生什麼效果，由 simulator 決定：

$$Action \rightarrow Simulator \rightarrow World_{t+1}$$

也就是：

Proposal is not consequence.

這個設計很重要。

否則 LLM 可以自己聲稱“我發明了一種很厲害的技術”，再讓另一個 LLM 判斷它確實很厲害，整個系統就只是在語言空間中自我確認。

SwarmWorld 則讓 Agent 的行為真正改變外部世界狀態。

3. 社會能力不主要來自 Communication

作者設計了多組 ablation，分別去掉 communication、顯式文化傳承以及共享環境。

一個很有意思的結果是：

直接通訊並沒有想像中那麼重要，共享的 persistent world 本身就可以產生很強的協調作用。

Agent 不一定需要告訴另一個 Agent：

“我剛剛造了一個東西。”

後來者只需要在世界中看到這個 artifact，並發現它有用，就可以繼續採用或者修改。

因此：

$$Agent \rightarrow Environment \rightarrow Agent$$

本身就是一種 information transmission mechanism。

另外，社會系統並不一定能夠產生最優秀的單個 invention，但通常能夠形成更豐富、更穩定的 technology portfolio。

所以：

Society is not the best individual.

社會的優勢更可能來自 diversity、redundancy 和 robustness，而不是找到單個最優解。

4. 最值得關注的是 Agent 的動態角色

這篇論文和社會模擬最相關的一點，是作者並沒有根據 persona 給 Agent 分類。

不是：

$$Persona \rightarrow Embedding \rightarrow Cluster$$

而是：

$$Trajectory \rightarrow Behavioral\ Features \rightarrow Cluster$$

作者根據 movement、construction、artifact interaction、social interaction 等行為特徵，對 Agent trajectory 進行 clustering，自然得到不同的行為角色，例如 explorer、constructor、coordinator 等。

更重要的是，role 不是 Agent 的固定屬性。

作者把 trajectory 切成時間視窗：

$$(Agent_i,t:t+\Delta t) \rightarrow Role_{i,t}$$

因此同一個 Agent 可以經歷：

Explorer → Coordinator → Builder

這意味著：

Role is a function of behavior over time.

而不是：

$$Role = f(identity)$$

5. 對 Society Fold 的啟發

這個思路對大量 Agent 的聚合非常有啟發。

如果有 3600 個 Agent，一個直接的方法是按照 persona clustering：

$$3600\ Agents \rightarrow 12\ Persona\ Groups$$

但 SwarmWorld 提供了另一種思路：

Cluster trajectories, not identities.

對於 herd effect，可以根據一段時間內的行為構造：

$$x_i^t = [ upvote, downvote, opinion\ change, neighbor\ agreement, herd\ sensitivity, ... ]$$

然後根據這些動態行為進行 clustering。

得到的群體可能不是“年輕人”“程式設計師”之類的人口學分類，而是：

herd followers
independent agents
contrarians
inactive agents
opinion leaders

而且：

$$cluster_i(t)$$

可以隨時間變化。

進一步看，Society Fold 甚至不一定要把：

$$3600\ Agents \rightarrow 12\ Representative\ Agents$$

也可以把整個社會壓縮成一個動態 meso state：

$$S_t= [ 0.35\ follower, 0.25\ independent, 0.15\ contrarian, 0.25\ inactive ]$$

然後研究：

$$S_t \rightarrow S_{t+1}$$

這樣 Society Fold 的問題就從：

如何減少 Agent 數量？

變成了：

如何找到一個低維 representation，同時保留社會動力學？

這已經開始接近 social world model 的問題。

6. 總結

SwarmWorld 最值得借鑑的並不是“很多 LLM Agent 一起生活”，而是三個設計思想：

Agent → world → agent.

共享世界可以成為 collective memory 和 coordination mechanism。

Proposal is not consequence.

LLM 負責決策，simulator 負責真實後果。

以及最重要的：

Cluster trajectories, not identities.

社會角色可能不是一個人的靜態標籤，而是隨著時間變化的 behavioral state。

從這個角度看，Society Fold 真正需要尋找的可能不是幾個固定的 representative agents，而是一個能夠描述社會演化的：

Use a dynamic, low-dimensional social state.

這可能也是從 micro-level social simulation 走向 social world model 的關鍵一步。