Large Language Model Driven Agents for Simulating Echo Chamber Formation
作者: Chenhao Gu, Ling Luo, Zainab Razia Zaidi, Shanika Karunasekera
发布时间: 2025-02-27
来源: arxiv
研究方向: 社交媒体中的回音室效应模拟与分析
主要内容
本研究提出了一种利用大型语言模型（LLM）作为生成代理来模拟社交网络中回音室动态的新框架。该框架结合了意见更新和网络重连行为，通过LLM进行驱动，从而实现具有情境意识和语义丰富性的社交互动模拟。
主要贡献
1. 利用LLM模拟回音室形成，捕捉网络结构和语义关系，实现真实和情境感知的模拟。
2. 整合真实世界社交网络数据，对模拟的回音室与实际社交媒体行为进行对比分析，展示LLM驱动模拟的实际应用。
3. 评估和比较不同的LLM，提供关于它们相对优势和劣势的见解。
研究方法
1. LLM增强方法：通过提示驱动的模型定义影响函数和兼容性函数，将文本上下文纳入模拟。
2. 数据准备：使用Twitter数据构建用户网络，优先考虑高度活跃的用户。
3. 模拟过程：模拟用户意见和网络连接的动态变化。
4. 分析和验证：通过比较模拟网络和真实世界社交网络数据来验证模拟的相关性和可靠性。
5. 实验：使用ChatGPT、Gemini等LLM进行模拟实验，并使用COVID-19疫苗接种数据和乌克兰战争数据集进行真实数据驱动的模拟。
实验结果
实验结果表明，LLM在模拟回音室形成方面优于传统方法，能够更有效地捕捉复杂的社会动态、意见互动和真实用户生成内容。LLM模拟的结果与真实世界回音室更接近，有效地模拟了细微的意见更新、重连决策和立场预测。
未来工作
未来工作可以包括整合多样化的训练数据或改进提示工程，以更有效地复制真实世界社交媒体互动的语言复杂性。