个性化大语言模型可提高社交网络的信念准确性
社会与信息网络
2025-06-09 v1
摘要
大型语言模型（LLM）日益参与塑造公众对争议议题的认知，这引发了关于LLM是否能够加强或纠正误解的广泛讨论。虽然已有文献记录了LLM对个体信念影响，但针对LLM如何影响社交网络的探讨仍有限。我们通过一项预注册实验（N=1265）围绕2024年美国大选， empirically 探讨了个性化LLM在社交网络语境下对信念准确性的影响。这些LLM被构建为个性化设计，提供针对个体档案的定制化信息，并设有准确信息检索的限制措施。我们发现，个性化LLM的存在会导致个体倾向于将信念更新至事实。更重要的是，拥有个性化LLM的个体不仅选择关注该LLM，表明他们希望在后续互动中从该LLM获取信息，还会构建新的社交网络，包含与LLM信念相似的其他个体——即更准确的信念。因此，我们的结果表明LLM具有影响个体信念及其所处社交网络的潜力，凸显了LLM作为线上环境中纠错代理的可能性。我们的发现可为未来的负责任AI中介沟通策略提供指导。
引用
@article{arxiv.2506.06153,
title = {Personalized Large Language Models Can Increase the Belief Accuracy of Social Networks},
author = {Adiba Mahbub Proma and Neeley Pate and Sean Kelty and Gourab Ghoshal and James N. Druckman and Ehsan Hoque},
journal= {arXiv preprint arXiv:2506.06153},
year = {2025}
}
备注
Adiba and Neeley contributed equally to the project