AI 能成為社會學家？研究團隊打造 S-Researcher，讓大型語言模型協助設計、模擬與分析社會科學研究

【晶片觀測站／Chip Insight】近年來，大型語言模型（LLM）逐漸展現接近人類的推理與對話能力，也開始被應用於教育、醫療、程式設計等領域。然而，AI 是否也能協助進行社會科學研究，甚至成為研究者的研究助手？一篇最新發表於 arXiv 的研究提出了新的答案。

來自中國人民大學（Renmin University of China）的研究團隊發表論文《LLM Agents as Social Scientists: A Human–AI Collaborative Platform for Social Science Automation》，提出名為 S-Researcher 的平台，希望透過大型語言模型 Agent，大幅降低社會科學研究的時間、人力與成本。

研究團隊指出，傳統社會科學研究通常需要經歷研究設計、招募受試者、進行實驗、分析資料以及撰寫研究報告等多個階段。整個流程不僅耗時，也受到研究經費、倫理審查與受試者招募規模等因素限制，因此很難快速驗證大量假設或進行大規模社會實驗。

S-Researcher 的核心理念，是同時將「研究流程」與「受試者」數位化（siliconizing）。不同於過去僅利用 LLM 模擬人類受試者，S-Researcher 希望讓 AI 協助整個研究流程，包括研究問題分析、實驗設計、建立模擬環境、執行多 Agent 社會模擬、分析結果以及自動生成研究報告，而研究者仍保有完整監督與修改權限。

為了支援這項工作，研究團隊打造了底層模擬平台 YuLan-OneSim。系統具備三項核心能力：第一，可將自然語言描述自動轉換為可執行的社會模擬程式；第二，採用分散式架構，最高可同時模擬約 10 萬名 LLM Agent；第三，透過 Verifier、Reasoner、Refiner 與 Tuner 所組成的 VR2T 回饋機制，持續改善模擬品質與可靠性。

研究團隊表示，S-Researcher 並非要取代社會科學家，而是建立一套 Human-in-the-loop（人類參與監督）的研究流程。研究者可以隨時修改 AI 產生的研究設計、加入自己的理論假設、上傳資料，甚至只使用其中部分模組，讓 AI 成為協助研究的工具，而不是完全自動化的黑盒系統。

論文將整個研究流程整理為三種社會科學推理模式，包括「歸納法（Induction）」、「演繹法（Deduction）」以及「溯因法（Abduction）」。S-Researcher 能依據不同研究問題，自動選擇適合的方法，完成模擬與分析流程。

為驗證平台能力，研究團隊進一步利用文化傳播、教師注意力分配以及公共財合作等三種經典社會科學案例進行測試。研究顯示，S-Researcher 能重現既有社會理論、比較不同假說，甚至提出可由真人實驗驗證的新機制，展示大型語言模型在社會科學研究中的潛在應用。

研究人員認為，這項工作代表 AI 不再只是協助整理資料或撰寫文字，而是開始參與完整的研究流程。未來若相關技術持續成熟，或許有機會成為社會科學研究的重要輔助工具，加速理論驗證、降低研究成本，並拓展傳統研究難以實現的大規模社會模擬能力。