English(EN) Do Social Patterns Hold in Synthetic Data? Analyzing Cyberbullying Dynamics in LLM-Generated and Authentic Dialogues

研究发现：大型语言模型生成的网络欺凌数据扭曲了社会动态

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-17 04:00

一篇新发表在arXiv上的研究调查了大型语言模型（LLMs）生成的合成网络欺凌数据与真实对话的现实性。研究人员发现，尽管GPT、Grok和LLaMA等模型可以复制高级别的互动结构，如轮流发言和权力动态，但它们持续扭曲细粒度的社会现象。研究强调了模型依赖的偏见，其中GPT抑制有害内容，Grok放大攻击性，而LLaMA则提供了更平衡但区分度较低的角色近似。研究结果表明，合成数据在理解广泛的互动模式方面很有用，但在行为现实性至关重要时，它不能完美替代真实的对话。 AI

影响强调了在大型语言模型生成的对话中，合成数据在研究细微的社会行为方面的局限性。

排序理由研究论文分析大型语言模型生成数据的现实性。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 研究论文分析大型语言模型生成数据的现实性。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Arefeh Kazemi, Hamza Qadeer, Sinan Asci, Joachim Wagner, Brian Davis · 2026-09-17 04:00

社交模式在合成数据中是否成立？分析LLM生成和真实对话中的网络欺凌动态

arXiv:2609.17549v1 Announce Type: new Abstract: Cyberbullying (CB) is a complex social phenomenon characterized by repeated aggression, power imbalance, and multi-party interaction. Although large language models (LLMs) are increasingly used to generate synthetic CB conversations…

本文如何被排名

报道来源 [1]

社交模式在合成数据中是否成立？分析LLM生成和真实对话中的网络欺凌动态

相关实体

相关话题