深度分析 GASim：結合EDG、GOM與GMP的圖加速混合多代理社會模擬框架 大規模社會模擬常受LLM記憶檢索與序列式ABM更新造成延遲與成本瓶頸。GASim以Graph-Optimized Memory用稀疏記憶圖與輕量圖傳播取代昂貴檢索，並以Graph Message Passing透過圖注意力在批次中並行更新一般代理，另以Entropy-Driven Grouping動態辨識核心代理。結果顯示系統在效能與令牌消耗上有顯著改善。
