博弈中的说服：理解人口统计感知的人-LLM交互中的错误信息动态
计算与语言
2025-10-15 v2
摘要
错误信息暴露和易感性的现有挑战在不同人口群体中存在差异，因为某些群体比其他群体更容易受到错误信息的影响。大型语言模型（LLM）通过其大规模生成说服性内容并强化现有偏见的能力，为这些挑战引入了新的维度。本研究调查了 LLM 与人类在接触错误信息内容时的双向说服动态。我们使用人类立场数据集分析了人类对 LLM 的影响，并通过生成基于 LLM 的说服性论点评估了 LLM 对人类的影响。此外，我们使用多智能体 LLM 框架分析了在面向人口统计的 LLM 智能体之间说服作用下错误信息的传播。我们的研究结果表明，人口因素影响 LLM 对错误信息的易感性，这密切反映了人类易感性中基于人口统计的模式。我们还发现，与人类人口群体类似，多智能体 LLM 表现出回音室行为。本研究探讨了人类与 LLM 之间的相互作用，突出了错误信息背景下的人口差异，并为未来的干预措施提供了见解。
引用
@article{arxiv.2503.02038,
title = {Persuasion at Play: Understanding Misinformation Dynamics in Demographic-Aware Human-LLM Interactions},
author = {Angana Borah and Rada Mihalcea and Verónica Pérez-Rosas},
journal= {arXiv preprint arXiv:2503.02038},
year = {2025}
}