.png){kind=icon}
返回
Network formation and dynamics among multi-LLMs
.png){kind=icon}
OA
AI
DOI：10.1093/pnasnexus/pgaf317.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
社交网络塑造了人类如何形成观点、交换信息和集体组织的方式。随着大型语言模型（LLMs）嵌入社会和专业环境，理解其交互是否类似于人类网络动态至关重要。我们介绍了一个框架，用于研究多个LLM代理的网络形成行为，并将其与人类决策进行基准比较。在包括友谊、电信和就业网络在内的合成和真实场景中，LLMs重现了核心微观层面原则（偏好连接、三角闭合和同质性），以及宏观层面属性（社区结构和小世界效应）。它们对这些原则的强调会根据情境调整：例如，LLMs在友谊网络中倾向于同质性，但在组织环境中倾向于异质性，反映了社会流动模式。一项受控调查表明，LLM和人类的链接形成决策之间存在高度一致性。这些结果表明，LLMs在作为社会模拟和合成数据生成工具方面具有潜力，同时也突显了与人类网络交互的AI系统中存在的偏见和公平性风险。
Keyword:
network formation
large language models
simulations
networks
agent-based modeling
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
P
IF:
3.8
论文数:
2.2K
被引数:
3.2K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏分享收藏
查看更多内容