Simulation of Language Evolution under Regulated Social Media Platforms: A Synergistic Approach of Large Language Models and Genetic Algorithms
作者: Jinyu Cai, Yusei Ishimizu, Mingyue Zhang, Munan Li, Jialong Li, Kenji Tei
发布时间: 2025-02-27
来源: arxiv
研究方向: 语言演化与社会媒体监管
主要内容
本文提出了一种基于大型语言模型（LLM）和遗传算法（GA）的多智能体框架，用于模拟受监管社交媒体平台上的语言演化。该框架通过模拟用户和监管系统之间的互动，以及LLM在GA中的操作，来研究语言策略的演变。
主要贡献
1. 提出了一种基于LLM的多智能体框架，用于模拟受监管社交媒体平台上的语言演化。
2. 提出了语言策略的双重设计，将约束策略和表达策略分离，以平衡逃避监管和准确传达信息。
3. 利用LLM作为GA中的操作者，直接在基于自然语言的策略上执行选择、变异和交叉操作。
4. 从语言演化、现实相关性以及基于GA的策略演化三个方面全面评估了框架的有效性。
研究方法
1. 多智能体框架
2. 大型语言模型
3. 遗传算法
4. 用户研究
5. 消融实验
实验结果
实验结果表明，随着对话轮次的增加，不间断对话轮次和信息传输的准确性显著提高。用户研究表明，生成的对话和策略具有现实相关性。消融实验验证了GA的重要性，强调了其在长期适应性和改进整体结果方面的贡献。
未来工作
探索专门针对社交媒体场景的LLM模型的使用，以生成更真实、更符合实际在线交互的策略和对话内容。将真实用户纳入模拟框架，以研究人类参与如何影响语言策略的演化。将模拟扩展到更一般的社交媒体设置，如多用户参与的单话题讨论。