【Seminar第四十四讲】情境建模:将大语言模型用作研究方法

2026-11-03

2026年10月29日,课题组举办第四十四期“李楠研究小组系列学术邀请报告”,邀请美国华盛顿大学土木与环境工程系Abdolmajid (Mazi) Erfani助理教授作题为“情境建模:将大语言模型用作研究方法”的学术报告。报告在清华大学新土木馆325会议室举行,并通过Zoom同步开放。

Erfani助理教授现任华盛顿大学基础设施管理分析实验室(Analytics for Infrastructure Management,AIM)主任,主要研究人工智能与数据分析在建造、交通及基础设施系统中的应用。其研究获得美国国家科学基金会、美国国家公路合作研究计划、州交通部门及行业合作伙伴支持,并曾获美国土木工程师学会多项论文奖励。

报告从“能否将大语言模型作为研究方法”切入。传统研究通过采集和分析证据回答具体问题,仿真方法则借助多智能体、系统动力学和离散事件模型描述人类及系统行为。若要让大语言模型承担人类决策模拟器,需要同时刻画决策者属性与约束、决策情境中的选项和优先级,以及政策叙述、视觉材料等可用信息。

图1  情境设计驱动大语言模型输出

大语言模型的输出具有概率性,并高度依赖输入情境。报告提出以结构化情境设计替代零散提示,将研究流程组织为四个阶段:首先明确决策问题与目标群体;其次把人口属性、行为特征和环境条件转化为可计算的语义代理;随后以结构化提示驱动模型推理;最后对结果进行验证与解释。该框架使模型输入、推理任务和评价标准形成可追踪的研究链条。

图2  情境建模的四阶段研究框架

在评价环节,报告重点介绍了保真度、稳健性、一致性和可复现性。保真度比较模拟结果与真实群体分布的接近程度;稳健性检验语义保持条件下的小幅输入扰动是否显著改变输出;一致性考察相同条件下多次运行的稳定性;可复现性比较不同模型及版本能否得到相近的群体规律。多维评价共同约束了大语言模型作为研究工具的有效性。

图3  大语言模型作为研究工具的评价指标

报告展示了基础设施投资偏好、居住者行为和出行日记三类应用。以明尼苏达州I-94走廊更新为例,研究基于约3350份公众调查,为智能体配置人口属性、居住与出行特征,并要求其在不同改造方案之间作出选择。模拟获得的群体偏好及主要影响因素与真实调查呈现相近趋势,说明情境建模可用于低成本地扩展方案比较与公众意见分析。

图4  基础设施、建筑与出行三类应用案例

在建筑使用者行为案例中,研究利用美国时间使用调查的7669名受访者数据,模拟不同人群一天内在卧室、起居室、厨房、卫生间及外出活动的时间分配。结果显示,模型较好复现了群体层面的时间分布,工作日规律比周末更易捕捉;重复运行及跨模型比较仍存在波动。在出行案例中,研究进一步模拟出行生成、方式选择和出发时间,任务复杂度提高后性能随之下降,其中方式选择相对容易,个体行程与精确出发时间更难稳定复现。


图5  情境建模的阶段性研究结论

跨百余个案例的汇总分析表明,大语言模型能够在一定条件下复现群体规律,个体差异仍是主要难点;结果有效性需要多项测试共同支撑,并随模型、任务复杂度和评价指标变化。面向后续研究,报告提出进一步关注智能体之间的交互、行为随时间的演化、外部知识与检索增强,以及将大语言模型用于合成数据和其他研究方法的可能性。

报告结束后,与会师生围绕模型可信度与偏差、数据隐私及训练数据污染、缺少真实观测时的验证方法、模型迭代对研究可复现性的影响,以及人机协同研究中的人的角色等问题展开交流。Erfani助理教授结合团队实践,强调应以真实数据和多维检验建立证据基础,并将模型用于方案生成、情境扩展和辅助分析。

本次报告线上线下共三十余名师生参加。