关注（信念）鸿沟：LLM 世界中的群体认同
计算与语言
2025-10-09 v2 人工智能
摘要
社会偏见和信念驱动的行为会显著影响大型语言模型（LLM）在多项任务上的决策。随着 LLM 越来越多地被用于社会模拟的多智能体系统中，其建模基本群体心理特征的能力仍然至关重要但尚未得到充分探索。在本研究中，我们提出了一个多智能体框架来模拟信念一致性，这是一种经典的群体心理学理论，在塑造社会互动和偏好方面发挥着关键作用。我们的研究结果表明，在不同的背景下，与人类相比，LLM 表现出放大的信念一致性。我们进一步调查了这种行为对两个下游任务的影响：（1）虚假信息传播和（2）LLM 学习，发现 LLM 中的信念一致性会增加虚假信息传播并阻碍学习。为了减轻这些负面影响，我们提出了受以下启发的策略：（1）接触假说，（2）准确性助推，以及（3）全球公民框架。结果表明，最佳策略可将虚假信息传播减少高达 37%，并将学习能力提升 11%。本研究连接了社会心理学与人工智能，为利用 LLM 进行现实世界互动并解决信念驱动的偏见提供了见解。
引用
@article{arxiv.2503.02016,
title = {Mind the (Belief) Gap: Group Identity in the World of LLMs},
author = {Angana Borah and Marwa Houalla and Rada Mihalcea},
journal= {arXiv preprint arXiv:2503.02016},
year = {2025}
}
备注
Accepted to ACL 2025 (Findings)