GASim：一种用于社会模拟的图加速混合框架

大规模社会模拟器对研究复杂社会模式至关重要。现有混合方法结合大语言模型（LLM）代理与数值基于代理的模型（ABM），但面临高昂的内存检索延迟和串行执行瓶颈。为此，本文提出 GASim，一种图加速的混合多智能体框架。针对核心 LLM 代理，引入图优化记忆（GOM），利用稀疏记忆图上的轻量级传播替代密集的检索流程；针对普通代理，采用图消息传递（GMP）实现并行更新。此外，提出熵驱动分组（EDG）动态协调混合分区。实验表明，该方法在保持与现实舆论趋势高度一致的同时，实现了近 10 倍的端到端加速并显著降低 Token 消耗。