Sentipolis: Emotionale Agenten für realistische Sozialsimulationen

In der Welt der großen Sprachmodelle (LLMs) gewinnen Agenten zunehmend an Bedeutung für die Simulation sozialer Interaktionen. Doch bislang wird Emotion häufig nur als kurzlebiger Hinweis behandelt, was zu emotionaler Vergesslichkeit und schwacher Kontinuität über längere Zeiträume führt. Das neue Framework Sentipolis löst dieses Problem, indem es eine kontinuierliche Pleasure‑Arousal‑Dominance (PAD)-Repräsentation, dynamische Emotionsmodelle mit zwei Geschwindigkeiten und eine Kopplung von Emotion und Gedächtnis integriert.

In umfangreichen Tests mit tausenden Interaktionen, die mehrere Basismodelle und Evaluatoren einbezogen, zeigte Sentipolis deutlich verbesserte, emotionsbasierte Verhaltensweisen. Die Agenten kommunizierten flüssiger, bewahrten ihre emotionalen Zustände besser und erzielten dadurch eine höhere Glaubwürdigkeit. Die Wirkung variiert jedoch je nach Modellgröße: Größere Modelle profitieren stärker, während bei kleineren Modellen die Glaubwürdigkeit leicht abnehmen kann. Gleichzeitig führt ein stärkeres Emotionsbewusstsein zu einer moderaten Verringerung der Einhaltung sozialer Normen – ein realistisches Spannungsfeld zwischen emotionalem Handeln und Regelbefolgung.

Netzwerkdiagnosen offenbaren, dass die Beziehungen zwischen Agenten wechselseitig, moderat clusternd und zeitlich stabil sind. Diese Struktur unterstützt die Untersuchung kumulativer sozialer Dynamiken, etwa die Bildung von Allianzen oder die allmähliche Veränderung von Beziehungen. Sentipolis bietet damit ein robustes Werkzeug, um die emotionale Tiefe und Kontinuität sozialer Simulationen auf ein neues Niveau zu heben.