从怀疑到接受：模拟假新闻的态度动力学

在数字时代，假新闻和谣言通过社交网络快速传播，带来显著的社会挑战并影响公众意见调控。传统的假新闻建模通常预测不同群体的普遍流行趋势或数值表示意见变化。然而，这些方法常常简化了现实世界的复杂性，忽略了新闻文本的丰富语义信息。大型语言模型(LLM)的出现为建模意见的细微动力学提供了可能。因此，本文引入了基于LLM的假新闻传播仿真框架(FPS)，详细研究假新闻传播的趋势和控制。具体而言，仿真中的每个代理人代表一个具有不同性格的个体。他们配备了短期记忆和长期记忆，以及反思机制以模拟类人思维。每天，他们进行随机的意见交流，反思自己的思考并更新意见。我们的仿真结果揭示了与话题相关性和个体特征相关的假新闻传播模式，与实际观察相吻合。此外，我们评估了各种干预策略，证明及早且适当频繁的干预在治理成本和有效性之间取得平衡，为实际应用提供了有价值的见解。我们的研究强调了LLM在打击假新闻方面的显著效用和潜力。