MOSAIC：在多智能体模拟中用于内容传播与监管的社交AI建模

我们提出了一个新颖的开源社交网络模拟框架 MOSAIC，其中生成式语言代理预测用户行为，例如点赞、分享和标记内容。该模拟将 LLM 代理与定向社交图相结合，以分析紧急的欺骗行为，并更好地了解用户如何确定在线社交内容的真实性。通过从各种细粒度的角色构建用户表示，我们的系统能够进行多代理模拟，从而大规模地模拟内容传播和互动动态。在这个框架内，我们评估了三种不同的内容审核策略，并模拟了虚假信息的传播，我们发现它们不仅减轻了非事实内容的传播，还提高了用户参与度。此外，我们分析了模拟中流行内容的轨迹，并探索了模拟代理对其社交互动的明确推理是否真正与其集体参与模式相符。我们开源了我们的模拟软件，以鼓励人工智能和社会科学领域的进一步研究。