使用LLM代理模拟和实验社交媒体动员

于红博

摘要: 在线社交网络已经改变了政治动员信息传播方式，引发了关于同行影响如何在规模上发挥作用的新问题。在具有里程碑意义的6100万人Facebook实验\citep{bond201261}基础上，我们开发了一个基于代理的模拟框架，该框架集成了真实的美国人口普查人口分布、真实的Twitter网络拓扑结构以及异质大型语言模型（LLM）代理，以研究动员信息对选民投票率的影响。每个模拟代理都被分配了人口统计属性、个人政治立场以及一个反映其政治复杂性的LLM变体（\texttt{GPT-4.1}、\texttt{GPT-4.1-Mini}或\texttt{GPT-4.1-Nano}）。代理在真实的社交网络结构上互动，接收个性化信息流，并动态更新其参与行为和投票意向。实验条件复制了原始Facebook研究中的信息和社会动员处理。在各种情景中，模拟器重现了在实地实验中观察到的定性模式，包括在社交信息处理下更强的动员效果和可测量的同行溢出效应。我们的框架为政治动员研究中测试反事实设计和敏感性分析提供了一个可控、可重现的环境，为高度有效的实地实验和灵活的计算建模之间搭建了一座桥梁。\footnote{代码和数据可在https://github.com/CausalMP/LLM-SocioPol获取}

更新时间: 2025-10-30 13:43:28

领域: cs.SI,cs.AI

下载: http://arxiv.org/abs/2510.26494v1