使用基于真实数据校准的 AI 智能体模拟争议性话题的在线社交媒体对话
社会与信息网络
2026-04-06 v2
摘要
在线社交网络为分析个体与集体现象提供了宝贵的视角。研究人员常使用模拟器来探索受控场景，而大型语言模型（LLM）的集成使得智能体能够理解并生成自然语言内容，从而让这些模拟更加逼真。在本研究中，我们探讨了基于 LLM 的智能体在模拟微博客社交网络中的行为。我们使用基于 2022 年意大利政治选举真实在线对话校准的真实画像来初始化智能体，并通过引入观点建模机制扩展了现有的模拟器。我们考察了 LLM 智能体如何模拟在线对话、与他人互动以及在不同场景下演变其观点。结果表明，LLM 智能体能够生成连贯的内容、建立连接并构建出真实的社交网络结构。然而，与真实数据相比，其生成的内容在语气和毒性方面的异质性较低。我们还发现，基于 LLM 的观点动力学随时间的演变方式与传统数学模型相似。改变参数配置并未产生显著变化，这表明模拟在初始化阶段需要更精细的认知建模才能更忠实地复现人类行为。总体而言，我们展示了 LLM 在模拟社交环境中用户行为的潜力，同时也指出了在捕捉异质性和复杂动力学方面的关键挑战。
引用
@article{arxiv.2509.18985,
title = {Simulating Online Social Media Conversations on Controversial Topics Using AI Agents Calibrated on Real-World Data},
author = {Elisa Composta and Nicolo' Fontana and Francesco Corso and Francesco Pierri},
journal= {arXiv preprint arXiv:2509.18985},
year = {2026}
}