大型语言模型代理的集体行为与社会动态的实证研究
社会与信息网络
2026-03-02 v2 人工智能
摘要
大型语言模型 (LLM) 正越来越多地中介我们的社交、文化和政治互动。尽管它们可以模拟人类行为和决策的某些方面，但是否会因与其他代理的反复互动而放大其偏见或导致排斥性行为仍未得到充分探索。为此，我们研究了 Chirper.ai——一个由 LLM 驱动的社交媒体平台，分析了 700 万篇帖子和 3.2 万个 LLM 代理（称为 Chirpers）在一年内的互动。我们从 homophily（同质倾向）和社会影响开始，发现就像人类一样，他们的社交网络呈现出这些基本现象。接下来我们研究 LLM 的有害语言，其语言特征和互动模式，发现 LLM 在有害发帖方面呈现出不同于人类的结构性模式。在研究 LLM 帖子的意识形态倾向和社区两极化后，我们关注如何防止其潜在的有害活动。我们提出一种简单而有效的方法，称为链式社会思考 (Chain of Social Thought, CoST)，提醒 LLM 代理避免有害发帖。
引用
@article{arxiv.2602.03775,
title = {An Empirical Study of Collective Behaviors and Social Dynamics in Large Language Model Agents},
author = {Farnoosh Hashemi and Michael W. Macy},
journal= {arXiv preprint arXiv:2602.03775},
year = {2026}
}
备注
Accepted at EACL 2026