English(EN) From Caricature to Collective Artifact: How Persona Construction Drives Polarization in Generative Social Simulations

研究发现：大型语言模型个性驱动社会模拟中的两极分化

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

一项新的研究论文探讨了由大型语言模型（LLMs）构建的个性如何影响生成式社会模拟中的两极分化。研究人员使用了一个类似Twitter的模拟，其中的个性源自美国全国选举研究（ANES），以测试党派身份层的影响。他们发现，将调查问卷的回答转化为个性会显著影响集体结果，移除明确的党派声明会导致更多的跨党派联系，这与真实的Twitter网络相似。研究表明，问题的重要性，通过个性构建转化为行为指令，在模拟的有效性中起着至关重要的作用。 AI

影响这项研究强调了由大型语言模型驱动的个性如何在模拟中无意中加剧两极分化，表明需要为基于代理的建模开发更稳健的评估方法。

排序理由发表在arXiv上的研究论文，详细介绍了关于大型语言模型个性构建和模拟中两极分化的发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 发表在arXiv上的研究论文，详细介绍了关于大型语言模型个性构建和模拟中两极分化的发现。[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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Dimitris Michailidis, Petter T\"ornberg, Fernando P. Santos · 2026-10-15 04:00

从漫画到集体造物：个性构建如何驱动生成式社会模拟中的两极分化

arXiv:2610.16498v1 Announce Type: cross Abstract: Generative Social Simulation (GSS) leverages Large Language Models (LLMs) to create sophisticated personas that define agents with demographics, emotions, and political opinions. While prior work shows that personas compress outpu…

本文如何被排名

报道来源 [1]

从漫画到集体造物：个性构建如何驱动生成式社会模拟中的两极分化

相关实体

相关话题