AIvilization v0: 통합 에이전트 아키텍처 및 적응형 에이전트 프로필을 통한 대규모 인공 사회 시뮬레이션 연구

AIvilization v0: Toward Large-Scale Artificial Social Simulation with a Unified Agent Architecture and Adaptive Agent Profiles

AIvilization v0는 자원 제약적인 샌드박스 경제와 통합된 LLM 기반 에이전트 아키텍처를 결합한 대규모 인공 사회 시뮬레이션 플랫폼으로, 급변하는 환경에서도 장기적인 자율성을 유지하는 것을 목표로 합니다. 목표 안정성과 반응적 정확성 간의 균형을 맞추기 위해, 우리는 (i) 계층적 분기-사고 계획자를 도입하여 인생 목표를 병렬적인 목표 분기로 분해하고, 시뮬레이션 기반 검증 및 단계별 재계획을 통해 실현 가능성을 보장합니다. (ii) 단기 실행 추적과 장기 의미 통합을 분리하는 이중 프로세스 메모리를 갖춘 적응형 에이전트 프로필을 통해 일관성을 유지하면서도 진화하는 정체성을 가능하게 합니다. (iii) 인간 개입형 제어 인터페이스를 통해 적절한 추상화 수준에서 장기 목표와 단기 명령을 주입하며, 이러한 정보가 메모리를 통해 전달되어 일시적인 프롬프트 변경에 의존하지 않습니다. 이 환경은 생리적 생존 비용, 대체 불가능한 다단계 생산, AMM 기반 가격 메커니즘, 그리고 제한적인 교육-직업 시스템을 통합합니다. 플랫폼의 성숙 단계에서 수집된 고빈도 거래 데이터를 분석한 결과, 교육 및 접근성 제한으로 인해 발생하는 구조화된 부의 불평등을 야기하는 안정적인 시장이 형성되며, 이는 꼬리 분포 수익 및 변동성 클러스터링과 같은 주요 특징을 재현합니다. 실험 결과, 단순화된 계획자는 특정 작업에서 유사한 성능을 보이지만, 전체 아키텍처는 다중 목표 및 장기적인 환경에서 더욱 강력한 성능을 발휘하며, 지연된 투자 및 지속적인 탐색을 지원합니다.

AIvilization v0 is a publicly deployed large-scale artificial society that couples a resource-constrained sandbox economy with a unified LLM-agent architecture, aiming to sustain long-horizon autonomy while remaining executable under rapidly changing environment. To mitigate the tension between goal stability and reactive correctness, we introduce (i) a hierarchical branch-thinking planner that decomposes life goals into parallel objective branches and uses simulation-guided validation plus tiered re-planning to ensure feasibility; (ii) an adaptive agent profile with dual-process memory that separates short-term execution traces from long-term semantic consolidation, enabling persistent yet evolving identity; and (iii) a human-in-the-loop steering interface that injects long-horizon objectives and short commands at appropriate abstraction levels, with effects propagated through memory rather than brittle prompt overrides. The environment integrates physiological survival costs, non-substitutable multi-tier production, an AMM-based price mechanism, and a gated education-occupation system. Using high-frequency transactions from the platforms mature phase, we find stable markets that reproduce key stylized facts (heavy-tailed returns and volatility clustering) and produce structured wealth stratification driven by education and access constraints. Ablations show simplified planners can match performance on narrow tasks, while the full architecture is more robust under multi-objective, long-horizon settings, supporting delayed investment and sustained exploration.