大型语言模型的说服力

大型语言模型作为类人社会代理的能力日益增强，这引发了意见动态领域的两个重要问题。第一，这些代理能否生成有效的论点，并将其注入在线讨论以引导公众舆论？第二，人工代理能否相互交互，重现人类社会系统中典型的说服动态，从而为研究合成社会系统作为人类群体意见动态的忠实代理开辟机会？为了解决这些问题，我们设计了一个关于气候变化的合成说服对话场景，其中“说服者”代理为“怀疑者”代理生成一个说服性论点，随后怀疑者评估该论点是否改变了其内部意见状态。我们生成了不同类型的论点，以融入支撑意见改变的心理语言学理论的不同语言维度。然后，我们请人类评判员评估机器生成论点的说服力。根据人类和代理的评估，包含事实知识、信任标记、支持表达和传递地位的论点被认为最有效，其中人类明显偏好基于知识的论点。我们的实验框架为未来意见动态的计算机模拟研究奠定了基础，我们的发现表明，人工代理有可能在在线社交媒体的集体意见形成过程中发挥重要作用。