02ABOUT
我们研究什么
VueIC 聚焦于认知计算与社会仿真的交叉领域。我们相信,社会系统中的许多问题——舆论极化、群体决策、信息传播——并非“不可预测”,而是缺乏可解释的建模范式。
我们的研究试图回答一个具体的问题:如何用计算模型,忠实地呈现人类认知的多样性,而非将其简化为统计数据中的平均值?
-
信念建模
把个体的信念结构从语言模型中剥离出来,变成可审计、可追溯的图结构。
-
多智能体交互
让智能体基于各自的信念图谱进行传播、辩论与说服,而不是共享同一套预设。
-
可解释仿真
每一步变化都能回溯到具体的人、事与推理路径,而不仅仅是一个最终结果。
03PROJECTS
我们做什么
PAIN POINTS
为什么需要信念沙盘
-
政策试错成本高
公共政策的制定缺乏低成本、低风险的试错环境。
-
舆论预测不可靠
现有舆情分析工具只能“事后追踪”,无法“事前推演”。
-
群体极化难解释
已有社会仿真追求“规模”,但无法解释“为什么这个群体极化”。
我们的方案
-
01
信念图谱
将智能体的信念从 LLM 中剥离为可审计的图结构。
-
02
多智能体交互
智能体基于各自的信念图谱进行交互、传播、辩论。
-
03
可干预沙盘
用户可在任意时间步注入事件、调整参数,观察不同策略的效果。
这套系统让政策制定者第一次能够“看见”群体认知的形成过程,而不仅仅是看到最终结果。
信念图谱的数据结构
每个智能体的信念都是可读、可导出、可复现的图结构。
agent: a07
stance:
q_elevator: 0.72
q_funding: 0.31
confidence:
q_elevator: 0.86
trust:
source.gov: 0.42
source.neighbor: 0.78
一个时间步的交互流程
从激活到快照,每一步都能回看、能复现。
模型调度与成本守卫
任务级路由:不同任务走不同模型,失败自动降级,成本始终可控。
05CONTACT
联系我们
欢迎就研究合作、项目接入或技术交流与我们联系。
联系方式即将上线