自然语言代理方法研究情感极化
人工智能
2026-03-04 v1
摘要
情感极化是政治和社会研究中的核心议题，社交媒体上的关注日益增长，部分倾向性分歧在其中往往被加剧。现实研究往往范围有限，而模拟研究因人工标注帖子费用高且易受主观偏好影响而缺乏高质量训练数据。缺乏足够工具来形式化不同情感极化定义以便比较结果，阻碍了可互操作框架的构建。我们提出了多代理模型，为研究社交媒体上的情感极化提供全面方法。为实现该框架，我们开发了平台，利用大型语言模型（LLM）构建虚拟社区，让代理进行讨论。我们通过（1）分析与情感极化相关的问题，如社会科学文献中所探讨的，为该现象提供新视角，（2）引入情景，允许观察和测量极化在不同层次和抽象程度上的情况。实验表明，平台是计算社会动态研究（如情感极化）的灵活工具。它利用先进的代理模型模拟丰富、情境敏感的互动，系统性地探索传统通过人类主体研究所 addressed 的 research questions。
引用
@article{arxiv.2603.02711,
title = {A Natural Language Agentic Approach to Study Affective Polarization},
author = {Stephanie Anneris Malvicini and Ewelina Gajewska and Arda Derbent and Katarzyna Budzynska and Jarosław A. Chudziak and Maria Vanina Martinez},
journal= {arXiv preprint arXiv:2603.02711},
year = {2026}
}
备注
Accepted at ICAART 2026 (18th International Conference on Agents and Artificial Intelligence). The final published version is available in the conference proceedings (SCITEPRESS)