生成式智能体模型能否复制社交媒体模拟中的友谊悖论？
社会与信息网络
2025-02-11 v1
摘要
生成式智能体模型（GABM）是一种新兴的仿真范式，融合了大型语言模型的推理能力与传统智能体模型，旨在复制社交行为，包括社交媒体上的互动。虽然先前工作聚焦于局部现象，如意见形成和信息传播，但其捕捉全局网络动态的潜力仍未得到充分探索。本文通过友谊悖论（FP）的视角分析 GABM 基于社交媒体的仿真，来填补这一空白。FP 是一种反直觉的现象，即个体平均拥有的朋友数少于其朋友的平均拥有数。我们提出了用于社交媒体仿真的 GABM 框架， featuring generative agents that emulate real users with distinct personalities and interests。使用关于美国 2020 年大选和 QAnon 阴�论的 Twitter 数据集，我们展示了 FP 在 GABM 仿真中自然出现。与真实世界观察一致，仿真揭示了层次结构，其中代理倾向于连接显示更高活动或影响力的其他代理。此外，我们发现不频繁的连接主要驱动了 FP，反映了真实网络中的模式。这些发现验证了 GABM 作为建模全球社交媒体现象的稳健工具，并突显其在社会科学中发展前景，使其能够对用户行为进行细致分析。
引用
@article{arxiv.2502.05919,
title = {Can Generative Agent-Based Modeling Replicate the Friendship Paradox in Social Media Simulations?},
author = {Gian Marco Orlando and Valerio La Gatta and Diego Russo and Vincenzo Moscato},
journal= {arXiv preprint arXiv:2502.05919},
year = {2025}
}
备注
Accepted at 17th ACM Web Science Conference 2025 (WebSci'25)