GGBond：面向社交感知推荐模拟的基于图生长的 AI-Agent 社会
多智能体系统
2025-05-28 v1 人工智能
计算机与社会
摘要
当前的个性化推荐系统主要依赖静态离线数据进行算法设计与评估，这极大限制了其在真实场景中捕捉用户长期偏好演化与社交影响动态的能力。为应对这一根本挑战，我们提出一个高保真社交模拟平台，集成类人认知智能体与动态社交互动，以真实模拟推荐干预下的用户行为演化。具体而言，该系统包含一个 Sim-User Agent 群体，每个智能体配备五层认知架构，封装了情景记忆、情感状态转换、自适应偏好学习和动态信任-风险评估等关键心理机制。特别地，我们创新性地引入了基于心理学与社会学理论的 Intimacy--Curiosity--Reciprocity--Risk (ICR2) 动机引擎，从而实现更真实的用户决策过程。此外，我们构建了支持动态关系演化的多层异构社交图（GGBond Graph），基于兴趣相似性、人格一致性与结构同质性有效建模用户不断演化的社交关系与信任动态。在系统运行期间，智能体自主响应由典型推荐算法（例如，Matrix Factorization、MultVAE、LightGCN）生成的推荐，决定是否消费、评分和分享内容，同时动态更新其内部状态与社交连接，从而形成稳定的多轮反馈闭环。这一创新设计超越了传统静态数据集的局限性，为评估推荐系统的长期效果提供了一个可控、可观测的环境。
引用
@article{arxiv.2505.21154,
title = {GGBond: Growing Graph-Based AI-Agent Society for Socially-Aware Recommender Simulation},
author = {Hailin Zhong and Hanlin Wang and Yujun Ye and Meiyi Zhang and Shengxin Zhu},
journal= {arXiv preprint arXiv:2505.21154},
year = {2025}
}