MOSAIC：用于多智能体仿真中内容传播与监管的社交AI建模

我们提出了一种新型开源社交网络仿真框架MOSAIC（Modeling Social AI for Content Dissemination and Regulation in Multi-Agent Simulations），其中生成式语言智能体预测用户行为，包括点赞、分享和标记内容。该仿真将LLM智能体与有向社交图结合，用于分析欺骗行为的涌现现象，并更好地理解用户如何确定在线社交内容的真实性。通过构建来自多样化细粒度persona的用户表示，我们的系统可实现大规模的内容传播与参与度动力学的多智能体仿真。在该框架内，我们评估了三种不同的内容监管策略针对仿真中的误导信息传播，并发现这些策略不仅能缓解非事实内容的传播，还能增加用户参与度。此外，我们分析了仿真中流行内容的轨迹，并探讨了仿真智能体在社交互动中所表达的推理是否真正与其集体参与模式保持一致。我们开源了仿真软件，以鼓励AI与社会科学领域的进一步研究。