Subjective-Graph LLM Agents

大语言模型代理模拟课堂社交感知不确定性

研究人员开发了一个新颖的框架，使用大语言模型（LLM）代理来模拟课堂环境中社交感知的不确定性。这些代理构建个体化的主观图来管理同伴可见性和互动，通过贝叶斯融合交换带有不确定性注释的评估并更新信念。在12个中学课堂上进行的实验表明，即使有客观表现信号，集体排名误差也会随着时间的推移而增加，这凸显了感知到的学术地位的持续失真。研究表明，个体可见性和基于大语言模型的信任门控有助于在这些模拟的社交环境中实现更稳定的长期行为。