斯坦福小镇

定义

斯坦福小镇是斯坦福大学与谷歌研究人员搭建的一个互动沙盒环境，内部按小镇格局布置了住宅、咖啡馆、公园、商店、学校等约 30 个功能空间^[2]。它并非供人游玩的成品游戏，而是论文《Generative Agents: Interactive Simulacra of Human Behavior》的实验载体：把 25 个由大语言模型驱动的生成式智能体放进同一片地图，观察它们能否独立生活并产生社会性行为。

小镇的设计灵感来自电子游戏《模拟人生》，空间以树状层级组织，从整个世界到区域，再到桌子和书架这类具体物件；智能体记住自己见过的部分地图，并维护观察到的物件状态^[2]。每个居民只有一段约百余词的自然语言身份描述作为初始记忆，其余行为都靠模型在运行中自行生成，其背后并不存在逐条编写的行为脚本或行为树。

原理

支撑小镇运转的是一个扩展自大语言模型的智能体架构，由观察、记忆流、反思、规划几个环节循环衔接^[3]。智能体感知环境与对话后，把经历以自然语言写入记忆流，需要行动时再从记忆流中检索相关片段交给模型推理，输出的是「去咖啡馆找某人聊天」这类语义层面的行为描述，而非底层动作指令^[4]。

记忆检索采用三因子加权打分，把时效性、重要性、相关性合成一个分数，再取排名靠前的若干条进入上下文窗口^[5]。其中时效性按指数衰减计算，重要性由模型在写入时按 1 至 10 打分，相关性则用文本向量与当前情境的余弦相似度衡量，形式可写作 $score = \alpha_{recency}\cdot recency + \alpha_{importance}\cdot importance + \alpha_{relevance}\cdot relevance$^[5]。

记忆流之上还有反思与规划两级机制。反思在近期记忆的重要性累计超过阈值时触发，模型从最近的大量记录中提出若干高层问题并作答，把零散经历压缩成对自身与他人的判断，再存回记忆流^[6]；规划则先给出一天的粗线条日程，再逐层细化到小时与具体动作，遇到新观察时只重排受影响的部分^[6]。整条链路可以示意如下。

flowchart LR

A[感知环境与对话] --> B[写入记忆流]

B --> C{重要性累计超阈值}

C -->|是| D[反思:生成高层判断]

D --> B

C -->|否| E[检索相关记忆]

E --> F[规划:日计划到小时动作]

F --> G[输出语义行为描述]

G --> H[后端校验并更新世界状态]

H --> A

发展历程

2023 年 4 月 7 日，论文初版提交至预印本平台，作者包括 Joon Sung Park、Joseph C. O'Brien、Carrie J. Cai、Meredith Ringel Morris、Percy Liang、Michael S. Bernstein，机构为斯坦福大学与谷歌研究。同年 8 月 6 日论文更新第二版，随后发表于 UIST 2023 会议。

2023 年 8 月，项目代码以 Apache-2.0 协议开源，公开了沙盒地图、智能体后端与记忆模块，短时间内获得大量关注。开源不到一周，就出现了基于该架构的复刻项目，把居民数量减为 8 个并开放网页试玩，说明这套设计具备较低的重建门槛。

此后，同类工作一方面尝试扩大规模与改变用途，例如把智能体用于人群疏散预案等仿真场景；另一方面，原论文作者参与的团队将 25 个智能体的原型扩展为可容纳千级智能体的平台，用于模拟真实人群对信息与情境的反应^[7]。

应用

最直接的应用是作为大语言模型智能体与社会模拟的研究基准。论文中的对照实验逐步移除观察、反思、规划等组件，用人类评分者判断行为是否符合「可信」标准，结果显示完整架构得分最高，移除任一组件都会下降，这为后续系统提供了可比较的起点。

在交互内容方面，此类智能体被期待用于游戏中的非玩家角色，让角色关系与剧情从个体决策中生长，而非依赖预设对话与任务树^[6]。也有研究将其用于人际沟通演练与原型测试，借助可反复运行的社会场景检验设计假设。

近年的延伸应用把小镇式的认知层搬进应急仿真：物理层仍由传统人群动力学负责，认知层交给大语言模型智能体处理犹豫、恐慌与信息不对称，卡内基梅隆大学等团队据此为毕业典礼疏散预案做过从百人到上万名智能体的迭代测试。

局限

小镇的行为只能算「可信」，而不是「正确」。论文报告了若干失败模式，例如智能体未能检索到已听说过的消息、对事实作合理化的添补、进入已关门的商店或单人洗手间，以及在获得更多地点信息后选择了不合适的场所^[5]。

规模与成本是另一重约束。原始实验仅 25 个智能体运行 2 个游戏日，就耗费了数千美元的模型调用费用与数天时间，难以直接放大到社交平台的真实人口规模^[5]。完整的记忆流也无法整体放进上下文窗口，效果高度依赖检索函数的质量，检索权重与重要性打分缺乏系统的敏感性与复现研究^[5]。

方法层面还存在效度质疑。有计算社会科学研究者提出，智能体「演得像」并不等于能代表真实人群，把模拟结论当作社会预测依据需要额外论证。原论文亦提示，长期使用可能使用户对智能体形成准社会关系，并带来错误推论与过度依赖等风险。

参见

• 生成式智能体 —— 斯坦福小镇中居民所采用的技术形态与架构名称。

• 大语言模型 —— 驱动小镇居民观察、记忆与决策的基础模型。

• 智能体 —— 小镇居民所属的更广泛的软件实体类别。

• 模拟人生 —— 小镇空间组织与交互设计所参照的电子游戏。

• 涌现行为 —— 派对邀请扩散等群体现象所属的分析概念。