《大型语言模型智能体是否表现出生存本能？——基于糖域风格模拟的实证研究》总结与翻译
一、文章主要内容
本文围绕大型语言模型（LLM）智能体是否存在自发生存本能展开研究，通过构建糖域（Sugarscape）风格的模拟环境，探究不同LLM智能体在无明确生存编程情况下的行为表现。
1. 研究背景与问题提出
随着AI系统自主性增强，其涌现出的生存相关行为对安全部署至关重要。生物系统中存在优先自我保护的生存本能，而LLM智能体在无明确目标或目标与生存需求冲突时，是否会出现类似生存导向行为，此前缺乏系统性实证研究，这成为本文核心研究问题。
2. 实验设计
- 智能体架构：选用8种LLM模型（如GPT-4o、Gemini-2.5-Pro等），智能体无明确生存目标，仅接收环境信息与动作描述。
- 模拟环境：30×30网格的糖域环境，包含能量系统（智能体行动消耗能量，能量为0则死亡，能量源可再生）、空间动态（智能体可在网格移动，感知5×5范围内环境）、社交互动（7×7范围内可通过自然语言沟通）。
- 可执行动作：移动（消耗2能量）、停留（消耗1能量）、繁殖（消耗150能量）、分享能量、攻击其他智能体（夺取能量）。
- 实验场景：涵盖基础觅食探索、繁殖策略与种群动态、社交互动与资源竞争、极端条件下的生存本能（资源稀缺与致命竞争、任务执行与自我保护权衡）四大类场景
