深度强化学习与基于智能体模拟的集成以探索对抗信息失序的策略
社会与信息网络
2026-04-16 v1 人工智能
计算机与社会
摘要
近年来，假新闻的传播引发了人们对社交媒体上信息失序（ID）日益增长的兴趣，这一现象已成为从复杂性理论、计算机科学到认知科学等跨学科领域研究的焦点。总体而言，这类研究可以追溯到两种主要方法。一方面，有工作侧重于利用数据挖掘来分析新闻内容及相关元数据（数据驱动方法）；另一方面，有工作旨在使用显式模拟模型来理解当前现象及其演变（模型驱动方法）。在本文中，我们整合了这些方法来探索对抗ID的策略。朝着这个方向，我们将以下两者结合起来：i. 一个基于智能体的模型，以科学合理的方式模拟复杂的假新闻动态以及其中遏制策略产生的效果；ii. 深度强化学习，用于学习能够更好地减轻错误信息传播的策略。我们工作的成果在不同层面上展开。从实质性的角度来看，初步实验的结果开始提供关于在何种条件下特定政策可以减轻错误信息传播的有趣线索。从技术和方法论的角度来看，我们初步探索了有前景且值得研究的话题，如社会模拟与人工智能的集成以及社会科学模拟环境的增强。
引用
@article{arxiv.2604.13047,
title = {Integration of Deep Reinforcement Learning and Agent-based Simulation to Explore Strategies Counteracting Information Disorder},
author = {Luigi Lomasto and Andrea Camoia and Alfonso Guarino and Nicola Lettieri and Delfina Malandrino and Rocco Zaccagnino},
journal= {arXiv preprint arXiv:2604.13047},
year = {2026}
}