大语言模型是内向的
人工智能
2025-07-09 v1 社会与信息网络
摘要
社交媒体和生成式 AI 的指数级增长已改变信息传播方式，促进了连接性，同时也加速了虚假信息的传播。理解信息传播动力学并制定有效的控制策略以缓解有害内容的传播至关重要。传统模型如 SIR 虽提供基本洞察，但不足以捕捉线上互动的复杂性。包括注意力机制和图神经网络等高级方法虽提升精度，但通常忽视用户的心理和行为动力学。大语言模型（LLM）凭借类人推理能力，为模拟信息传播中的心理方面提供了新潜力。我们引入一个基于 LLM 的仿真环境，捕捉代理人不断变化的态度、情感和反应。初始实验揭示了 LLM 生成的行为与真实人类动态之间存在显著差距，尤其在立场检测和心理逼真性方面。通过社交信息加工理论进行详细评估，发现目标设定和反馈评估方面存在主要差异，这源于标准 LLM 训练中缺乏情感处理。为此，我们提出了基于社交信息加工的链式思维（SIP-CoT）机制，借助情感引导的记忆实现。该方法提高了对社交线索的解释、目标的个性化以及反馈的评估。实验结果确认，SIP-CoT 增强的 LLM 代理更有效地处理社交信息，展现出更接近真实人类互动的行为、态度和情感。在总结中，本研究揭示了当前 LLM 基于传播仿真的关键局限性，并展示了整合 SIP-CoT 和情感记忆如何显著提升 LLM 代理的社交智能和真实性。
引用
@article{arxiv.2507.05638,
title = {LLMs are Introvert},
author = {Litian Zhang and Xiaoming Zhang and Bingyu Yan and Ziyi Zhou and Bo Zhang and Zhenyu Guan and Xi Zhang and Chaozhuo Li},
journal= {arXiv preprint arXiv:2507.05638},
year = {2025}
}