课程基本信息
课程名称（中文）： 大模型与计算社会科学前沿
课程名称（英文）： Frontiers of LLMs for Computational Social Science
课程属性：专业选修课/核心课 (暑期前沿短课)
学时/学分：8学时 / 0.5学分
建议课容量：20人
课程简介（中文）：
本课程聚焦大语言模型在人类行为理解与社会系统建模中的前沿技术与应用。课程从Transformer架构与智能体基本原理出发，系统讲授人机对齐、个性化、人机协作等以人为本的大模型核心研究方向；随后以教育智能、数字人文、多智能体社会模拟为场景，深入剖析大模型如何成为理解和模拟人类社会的新一代研究工具。课程特设顶会论文专题环节，精选近年发表在Nature、Science、ICML、ACL/EMNLP等顶级会议与期刊上的代表性交叉研究工作，带领学生拆解其选题逻辑、技术方案与学术影响力。最后，课程以AI安全、算法偏见与价值对齐收尾，培养学生对大模型社会影响的系统性批判能力。本课程适合具备基础深度学习知识、希望拓展大模型应用研究视野的学生选修。
教学目的和要求：
-
理解大语言模型的基础架构、能力边界以及自然语言交互的底层逻辑。
-
掌握人工智能在特定人文社科领域（如文本挖掘、规则推理、社会计算）的应用路径与研究方法。
授课方式：
以课堂讲授为主，结合习题课、课下大作业和课后答疑。与同学们加强交流与互动。建议适当设置小组讨论或实践等环节，加强学生的对知识的吸收。
教学内容安排（给出二级章节目录和每章学时数）：
课程设计思路：知识点串联的和取舍，背后的叙事逻辑或教学主线。
本课程以“技术认知启蒙、学科交叉赋能、伦理与价值规范”为教学主线，在知识选取上摒弃了复杂的底层代码与数学推演，将重点聚焦于大模型在人文社科的应用这一核心概念。在叙事逻辑上，课程遵循从技术基座到应用场景、再到价值反思的递进闭环：首先通过解析大模型的技术演进帮助学生对技术有基本的了解；随后按照从教育、数字人文到宏观多智能体社会模拟的层次，全景展示大模型作为新一代研究工具与模拟对象的广阔应用潜力；最后以人工智能安全、算法偏见与价值对齐作为约束性收尾，引导人文社科学子在掌握前沿AI赋能工具的同时，始终坚守学术伦理底线与人类价值本位。
第一章 大模型原理回顾（1学时）
大模型与智能体基本原理回顾
第二章 大模型在人文社科领域的应用案例（6学时）
2.1 大模型在教育中的应用：大模型如何辅助教师讲课、学生学习、课后考评
2.3 大模型在经济金融中的应用
2.3 基于多智能体的社会模拟：通过多智能体模拟的方式对政策、经济等进行推演和预测
2.4 以人为本的大模型（Human-centered LLM）：alignment，个性化，人机协作，拟人化等human-centered LLM前沿研究内容
第三章 大模型安全与伦理（1学时）
3.1 人工智能安全与价值对齐（Alignment）：大模型价值观的构建机制及社会规范约束。
3.2 算法偏见与数据治理：模型训练数据中的社会刻板印象测量与公平性审查
作业和实验安排
期末应用方案设计（1次课外作业）
- 要求：学生在第一堂课给定的多个LLM+人文社科研究主题中，选择一个自己感兴趣的问题，撰写一份简短的研究报告（ACL short paper体量，中英文均可）。学生可以借助任何AI工具进行研究，但需在研究报告后附一段AI工具使用说明，真实记录哪些内容是由AI完成，自己的哪些insight是AI没想到的，AI如何启发了自己的思考
- 产出物包含：研究报告和代码（如有）
教师简介（最多两名主讲教师，副教授以上职称，其中首席教师授课不低于40%）：
教师1简介
夏应策，北京中关村学院副教授，研究领域涵盖生成式人工智能、AI for Science, AI for social science，大模型技术。他于2018年获中国科学技术大学博士学位，并曾担任微软研究院首席研究员。在此期间，他开发了对偶学习技术，该技术广泛应用于机器翻译和图像生成领域，助力团队获得多项国际机器翻译比赛冠军。他领导微软科学基础模型团队成功开发科学大模型，推动大模型技术在跨领域科学研究中的应用。
教师2简介
刘泽群博士，北京中关村学院研究员。分别于2019年和2024年在北京大学计算机学院获得学士和博士学位，在加入北京中关村学院前，曾在微软亚洲研究院担任研究员。她致力于大模型算法和应用的研究，在Nature Machine Intelligence等顶级期刊和ACL，EMNLP，NAACL等人工智能顶级会议上发表论文十余篇，在大模型和社会科学的交叉领域有丰富的研究经验。