Generative Social Simulation

研究发现：大型语言模型个性驱动社会模拟中的两极分化

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。