arXiv cs.AI· Dimitris Michailidis, Petter T\"ornberg, Fernando P. Santos·· 3 天前AI 评分31
从漫画到集体产物：人格构建如何驱动生成式社会模拟中的极化
From Caricature to Collective Artifact: How Persona Construction Drives Polarization in Generative Social Simulations
AI 导读
研究基于类 Twitter 的生成式社会模拟平台，用 ANES 数据构建 LLM 智能体人格，并消融情感极化标记、党派认同与投票选择三层党派身份。结果显示，仅移除少数明确党派表述，网络就从近乎完全隔离转为接近真实 Twitter 的跨党联系。作者认为匹配单一结果不足以证明行为效度，并指出问卷对所有议题一视同仁、人格构建将每个回答变成直接行为指令，可能是关键原因。
正文 · AI 翻译
摘要：生成式社会模拟（GSS）利用大语言模型（LLM）创建复杂的人物角色，这些角色通过人口统计特征、情感和政治观点来定义智能体。尽管先前的研究表明，人物角色会将输出压缩为刻板印象化的漫画式形象，但目前尚无全面研究探讨这些漫画式形象在互动时如何演变为集体产物。我们使用一个类似 Twitter 的 GSS 平台，其人物角色源自美国全国选举研究（ANES），消融了党派身份的三个方面：情感极化标记、政党认同和投票选择，同时保留人口统计特征、意识形态定位和重要议题。我们发现，集体结果在很大程度上取决于调查回答如何被转化为人物角色。移除少数几条明确的党派性陈述，就会使网络从近乎完全隔离转变为接近真实 Twitter 网络的跨党派联系。我们认为，匹配某一结果并不能作为行为有效性的证据，并指出显著性可能是一种解释。调查要求受访者对每个问题都给出立场，无论其对受访者是否重要，而人物角色构建则将每个回答转化为直接的行为指令。我们最后提出了一份清单，以便在未来工作中对人物角色进行更全面的评估。
| 评论： | 17 页 |
| 主题： | 社会与信息网络（cs.SI）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.16498 [cs.SI] |
| （或 arXiv:2610.16498v1 [cs.SI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16498 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Dimitris Michailidis [查看电子邮件]
[v1]
2026年10月12日星期一 09:48:14 UTC（217 KB）
来源：arXiv cs.AI · arxiv.org