LLM增强的数字孪生体用于短视频平台的政策评估
人工智能
2026-03-13 v1
摘要
短视频平台是以人类为中心的闭环生态系统，平台政策、创作者激励与用户行为相互演化。这种反馈结构使得在生产环境中进行反事实政策评估变得困难，尤其是对于长期和分布性结果。挑战在于平台部署AI工具改变了进入系统的内容、代理的适应方式以及平台的运行方式。我们提出一种大型语言模型（LLM）增强的数字孪生体用于短视频平台，采用模块化的四部架构（用户、内容、交互、平台），并配备支持可重复实验的事件驱动执行层。平台政策作为平台孪型体中的可插拔组件实现，LLM作为可选的、受模式约束的决策服务（例如人格生成、内容标题生成、活动策划、趋势预测）通过统一优化器路由。该设计使可扩展的仿真能够保留闭环动力学，同时允许选择性采用LLM，使我们能够在真实的反馈和约束条件下研究平台政策，包括AI-enabled政策。
引用
@article{arxiv.2603.11333,
title = {LLM-Augmented Digital Twin for Policy Evaluation in Short-Video Platforms},
author = {Haoting Zhang and Yunduan Lin and Jinghai He and Denglin Jiang and Zuo-Jun and Shen and Zeyu Zheng},
journal= {arXiv preprint arXiv:2603.11333},
year = {2026}
}