TerraLingua

TerraLingua 是一个由多智能体系统生成的数据集，旨在研究由大型语言模型（LLM）驱动的智能体之间语言、文化和社会结构的涌现现象。智能体具有个性特征，通过竞争资源、通过持久文本工件进行交流，并在数千个时间步中形成社区。数据集包含原始模拟日志、完整的LLM推理轨迹、由AI人类学家生成的行为注释以及工件的语言复杂性指标。数据集总大小约为4.7GB，包含40个实验（8种条件×5次重复），使用DeepSeek-R1-32B作为智能体模型，Claude Sonnet 4.5和Claude Haiku 4.5作为注释模型。实验在一个50×50的网格上进行，每次运行最多3000个时间步，初始智能体数量为20个（允许繁殖）。数据集结构包括实验配置、环境事件流、智能体交互图、位置历史、行为摘要、工件分析等多个文件，适用于文本生成、文本分类、基于代理的模拟、语言涌现、文化演化等任务。