深度分析 LLM社會模擬的架構敏感性與TRAILS稽核框架 研究指出，將大型語言模型用於多代理社會模擬時，微小設計差異可能引發宏觀結果大幅變動。文章以囚徒困境與社群回音室為例，展示人設格式與指令語態等改動能明顯改變合作率與極化指標，並提出TRAILS作為逐層穩健性稽核框架。實驗顯示最高76百分點的合作率變動。需逐項稽核。且跨模型差異大
