推动人工智能与社会科学深度融合，既要探索复杂社会系统的运行规律，也要将前沿技术转化为治理能力与民生福祉。立足河套深港科技创新合作区，深圳河套学院社会科学智能中心面向战略需求与粤港澳大湾区发展实际，依托深港协同创新优势与丰富应用场景，将科研攻关、人才培养与应用探索紧密结合，探索以人工智能理解社会、辅助决策、服务公众的研究新范式。

10月17日，在学院办学一周年之际，社会科学智能中心三项旗舰项目亮相深圳河套学院创新合作大会：以大模型多智能体构建经济“试验场”，为政策推演与评估探索新工具；以跨法域监管依据核验、交易行为审查与事实溯源，探索跨境金融AI治理新路径；将生活行为、社会支持等因素纳入慢病管理，推动健康服务更加贴近个体需求。三项研究从*经济运行、金融安全*延伸至*大众健康*，共同回应一个核心命题：如何让人工智能在理解真实社会的基础上，将对复杂系统的洞察转化为辅助决策、防范风险与改善生活的实际能力，推动AI for Social Science从学术探索走向社会应用。

01 在孪生经济体和社会系统里推演政策

【项目】经济世界模型：基础和大模型智能体的社会市场模拟仿真

1720年南海泡沫事件中，科学家牛顿交易南海公司股票，早期获利离场后受市场高涨情绪影响重新投入资金，泡沫破裂后损失惨重。那句广为流传的感叹 ——“我能计算天体运行的轨道，却无法预料人类的疯狂。”——因此显得格外意味深长：一个能够计算天体运行规律的人，却无法用同样的方式计算由人的预期、情绪与相互影响所形成的市场。

由项目负责人丛林、课题负责人韩佳乐、王本友与中心副主任舒涛牵头，罗晔、黄吉国、国乃心、钱靖、蔡玉洁、步凡、周骆峰等学者学生参与的研究团队，与南洋理工大学GIFTS研究院协作，结合场景大模型和多智能体校准仿真，正式构建经济世界模型（Economic World Models, EWM）用以社会市场模拟推演：一种捕捉人类经济心智、经济行为与经济状态转移的生成式环境。团队基于AlphaPortfolio, AlphaManager, 数驱生成均衡等初代经济世界模型概念，研发了以WonderEcon、企策智枢为代表一系列多智能体经济模拟系统。每一个微观决策——消费、储蓄、借贷、劳动供给、生产、定价、投资组合配置、银行利率制定、财政转移支付——都由一个携带人格设定的大语言模型做出；而所有制度与市场机制均为规则驱动（税率表、利率走廊、市场清算、复式记账）。经济的下一状态不是预设的：它由数以万计的异质LLM智能体在对宏观新闻、政策冲击与彼此行为的反应中涌现出来。

WonderEcon经济模拟系统概览

WonderEcon系统实现了一体两面的布局：在观察者模式下，用户可自由配置宏观经济环境，模拟演化后，系统支持逐月回放智能体决策以及追踪经济动态；在玩家模式下，真人接管一个家庭智能体做经济决策，通过与同类型agent的决策做比较，得到一份四维EPTI经济人格画像。

在此基础上，团队的目标是建成条件可控、结果可复现、过程可解释的经济模拟平台，服务政策评估、投资研究和金融教育。

02 金融AI从查依据到下单，风险出在哪几环

【项目】面向大湾区的跨境金融虚假信息风险识别与AI治理体系构建

在一次模拟A股交易中，大模型已经指出价格涨幅超过10%的限制，却仍提交卖出900股的订单：模拟价格118.10，高于规则上限112.53。执行引擎拒绝了订单，成交为0股。解释说对了，动作为什么还会出错？

这正是项目负责人宋韵雅团队关注的问题，谢其均等学生成员参与该项研究，丛林指导，项目合作单位为香港科技大学。金融AI带来的误导，不只有编造事实：真实却不适用的法规、与行动不符的合规声明、被遗漏的关联关系，同样可能影响判断。跨境业务还需要分清不同法域的规则。

英国央行与英国金融行为监管局2024年的英国金融业调查收到118家机构回复，其中75%已使用AI。当AI参与业务审批，错用依据可能导致误批，漏用依据可能造成不必要的拒办；错误订单若未被拦截，还可能带来资金损失。针对这些风险，团队沿着监管依据核验、交易行为与审查、跨文件真实证据三个方向开展研究。

跨境金融AI监管研究的三个核验方向

RegAuthBench检验的是监管依据能否用于眼前的问题。正式规则与官方个案信函都可能相关，但不能把个案结论直接当作普遍规则。基准包含中国大陆、香港特别行政区、欧盟和美国四个法域的3,666个带日期案例，每例提供六段官方候选材料，从法域、发布者、日期与法律状态、效力、范围和内容支持六方面核验。团队在595个测试案例中，分别评测证据资格、选择依据或不作答、完整引文。结果显示，少引错并不等于判断正确：系统还可能遗漏可用证据，甚至在有依据时选择不作答。

ReguSim则让大模型根据规则、目标和账户状态提出订单，由固定程序核对账本与交易限制。模型的理由、尝试动作、执行结果分别记录，避免把“订单被拦截”误当作“模型没有犯错”，也避免把被拒的尝试说成已经成交。

另一个模型来审查，是否就能发现错误？团队选取256条历史模拟订单，包括128条被拒、128条已接受订单。Claude Fable只看规则、状态和订单时，错误接受了8条被拒订单；加入交易者解释后增至19条，再要求逐项核查后降至2条。这是该模型在所测条件下的审查判断，提示独立核验不能只复述交易者的理由。

ReguBench使用独立生成的合成记录，在225个场景、900个目标记录上评测模型识别对倒、虚假挂单等五类操纵模式的能力。保持交易和账户关系不变，仅去除账户名中的角色暗示，四款模型的综合检测指标F1下降约8至18个百分点，说明监控判断还会受到名称线索影响。

真实金融业务中的信息，常常分散在公告、付款记录和关联披露里。漏看一笔资金往来或一项关联担保，都可能低估风险。团队将跨文件事实核验纳入金融AI治理研究，关注诉讼披露、资金与担保及关联关系、财务错报等问题，研究不同材料如何相互印证，哪些地方存在冲突或证据缺口。这一方向强调把判断落到可追溯的事实和证据上，帮助识别单份材料难以呈现的风险。

这些工作旨在让错误能够追查、依据能够核对、判断能够独立复核，为我国金融AI安全应用建立可独立检验的治理能力。团队已获电信国际资助，并与伦敦政治经济学院（LSE）等合作单位共建AI Observatory（人工智能观察站）。

03 把病历之外的生活，算进慢病管理

【项目】社会计算赋能慢性病全周期健康管理

少吃盐、多运动、按时复查，这些建议并不难懂。可需要倒班的人很难固定时间锻炼，住得远的老人很难按时复诊，经济压力也会让人推迟检查。公共卫生领域把这类非医疗因素称为“健康的社会决定因素”，它们很少写进病历，却实实在在影响慢病管理。

项目负责人黄宏带领团队开展研究，中心主任丛林、罗晔指导，张嘉祥、陈泽鲲等学生成员参与其中。用社会计算的方法，把生活行为、社会支持、经济压力、看病是否方便等因素与健康监测、医疗记录放在一起分析，面向医院慢病管理场景搭建了一套全周期管理原型。

慢病风险识别的两条路径

按设计，原型以本地部署的轻量化大模型智能体为核心：汇集健康档案、检查指标、生活方式与社会属性等信息后，调用多病种风险识别工具（按10类慢病风险设计）评估风险，再结合患者的支持条件和现实障碍生成个性化方案，并根据随访反馈持续更新。

风险分数只由这些专门工具给出，大模型不自己打分；管理建议依托来源可追溯的临床指南知识库，方案须经医生审核。目前，风险识别部分已完成初步训练与评估，临床指南知识库已经建成。

从模拟宏观经济运行的“经济世界模型”，到守护跨境金融安全的AI治理框架，再到陪伴患者全周期的慢病管理体系，三项成果虽面向不同领域，却共享着同一条学术主线：让AI智能体进入真实社会系统，在理解中模拟，在模拟中治理，在治理中服务。

这正是社会科学智能中心的初心——面向前沿重大战略需求与粤港澳大湾区发展实际，推动人工智能与社会科学的深度交叉融合，让前沿技术真正转化为可评估的政策工具、可审计的治理方案、可感知的民生福祉。

未来，社会科学智能中心将继续深耕智能体仿真、金融AI治理、智慧健康等方向，为构建可信、可控、可解释的社科智能体系贡献“河套智慧”。