大型语言模型能否模拟社交媒体互动？一项基于行动引导的回复生成研究
计算与语言
2025-02-18 v1
摘要
社交媒体使动态用户参与热门话题成为可能，近期研究探索了大型语言模型（LLMs）在回复生成中的潜力。虽然一些研究将LLMs作为模拟社交媒体用户行为的智能体，但它们关注的是实际可行性和可扩展性，而非LLM与人类行为的契合程度。本文通过行动引导的回复生成分析了LLMs模拟社交媒体互动的能力，即模型首先预测用户最可能的互动行为——转发、引用或改写——然后基于预测的行为生成个性化回复。我们在X平台上讨论一项重大社会事件时，对GPT-4o-mini、O1-mini和DeepSeek-R1进行了社交媒体互动模拟基准测试。研究结果表明，零样本LLMs在行为预测上表现不如BERT，而少样本提示最初会降低LLMs在有限样本下的预测精度。然而，在回复生成方面，少样本LLMs与真实帖子在语义上实现了更强的对齐。
引用
@article{arxiv.2502.12073,
title = {Can LLMs Simulate Social Media Engagement? A Study on Action-Guided Response Generation},
author = {Zhongyi Qiu and Hanjia Lyu and Wei Xiong and Jiebo Luo},
journal= {arXiv preprint arXiv:2502.12073},
year = {2025}
}