基于智能体强化学习大语言模型机器人的合成社交媒体影响实验
社会与信息网络
2025-05-27 v2 计算机与社会
摘要
理解在线社交平台上公众舆论演化的动态对于理解影响机制和信息来源至关重要。传统的影响分析通常分为对个人属性 (如影响心理学) 的定性评估和对影响力机制 (如社会网络分析) 的定量评估。研究人员面临的一个挑战是现实世界实验的伦理问题以及缺乏社交影响数据。在本研究中，我们提供了一个将智能体智能与大语言模型 (LLM) 结合的模拟环境，用于以伦理方式测试特定主题的影响机制。我们的框架包含生成帖子、对特定主题形成意见并根据讨论结果进行社交关注/取关的智能体。这一模拟允许研究者观察意见如何形成以及影响力领袖如何崛起。通过我们的框架，我们设计了一个意见领袖，该领袖利用强化学习 (RL) 来适应其与社区的语言交互，以最大化其影响力和关注者。我们的当前发现表明，限制行动空间并纳入自我观察是实现特定主题影响力意见领袖生成的关键因素。这表明该模拟框架具有创建能够适应复杂且不可预测社交动态的智能体的能力。在线影响日益增长的时代，本工作具有重要意义。
引用
@article{arxiv.2411.19635,
title = {Synthetic Social Media Influence Experimentation via an Agentic Reinforcement Learning Large Language Model Bot},
author = {Bailu Jin and Weisi Guo},
journal= {arXiv preprint arXiv:2411.19635},
year = {2025}
}