大语言模型何时生成真实社交网络？关于文化、语言、规模与方法的多维研究
社会与信息网络
2026-05-14 v1 计算与语言
计算机与社会
摘要
大语言模型（LLM）日益被用作行为模拟中人类主体的替代品，包括合成社交网络的生成。然而，仍不清楚其关系输出如何取决于提示设计、文化框架、提示语言和模型规模。基于同估关系理论和结构平衡理论，我们形式化了四种 LLM 基于关系的生成机制：顺序、全局、局部和迭代，并将其视为边集上的不同条件分布。使用固定的 50 人口学特征人物名单，我们在四个文化语境、四种提示语言、三个 GPT-4.1 变体和四种提示架构下，每个条件两次随机种子，生成 192 个验证的有向网络。我们发现，文化框架会影响同估倾向和最大连通分量的连通性。三种方法下，政治归属感主导关系生成，而全局方法则以年龄为主，表明提示架构作为实质性社会学变量。模型规模产生稳定的差异排名，最小变体的行为在质量上不同于噪声水平。提示语言本身会显著影响宗教同估倾向，尤其在印地语提示下，而对政治同估倾向几乎不产生影响。LLM 生成的网络在聚类系数和模块性方面比标准图基准更贴近真实社交图，但编码的人口学偏见高于实证水平。这些结果表明，常被视为实现细节的提示选择往往编码了实质性的社会学假设。
引用
@article{arxiv.2605.12898,
title = {When Do LLMs Generate Realistic Social Networks? A Multi-Dimensional Study of Culture, Language, Scale, and Method},
author = {Sai Hemanth Kilaru and Sriram Theerdh Manikyala and Raghav Upadhyay and Sri Sai Kumar Ramavath and Srivika Nunavathu and Dalal Alharthi},
journal= {arXiv preprint arXiv:2605.12898},
year = {2026}
}