ScioMind：基于锚定信念动态与动态画像的认知基础多智能体社会仿真

针对现有大语言模型多智能体社会仿真在认知基础上的不足，本文提出 ScioMind 框架。该框架结合结构化观点动力学与 LLM 推理，引入三大核心组件：基于记忆锚定的信念更新规则，通过人格调节影响敏感度；支持持久经验驱动信念形成的分层记忆架构；以及基于检索的动态智能体画像。实验表明，该设计显著提升了行为真实性，减少了不稳定振荡，并生成了更符合政治心理学规律的持久信念轨迹。