LLM 社媒模拟中的重复效应因模型而异
原文标题：Illusory Truth or Mere Exposure? Model-Dependent Repetition Effects in LLM-Based Social Media Simulations
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
一篇 arXiv 论文研究生成式智能体在社媒模拟中是否复现人类的「虚幻真相效应」（ITE），测试了 Gemma-3、Qwen2.5、Llama-3.1 与 GPT-5-nano 四个模型。结果显示四种截然不同的模式：Gemma-3 呈现真实 ITE，Qwen2.5 仅表现为单纯曝光效应，GPT-5-nano 无重复效应，Llama-3.1 则出现小幅真相提升。研究提醒不应假设各 LLM 统一复现该认知偏差。
- 问题
- 社媒模拟假设 LLM 智能体能复现人类认知偏差，但缺乏跨模型验证。
- 方法
- 设计两阶段上下文内实验，把重复曝光嵌入真实信息流，用 OLS 与线性混合模型区分真实 ITE 与单纯曝光效应。
- 结果
- 33.6 万条评分显示四种模式：Gemma-3 有真实 ITE，Qwen2.5 仅曝光效应，GPT-5-nano 无重复效应，Llama-3.1 小幅真相提升。
- 影响
- 用 LLM 做 misinformation 或舆情模拟的人不能默认各模型行为一致，需按模型分别校准。
深读 · 结论先行AI 生成展开看要点与影响 ↓
四个LLM在社媒模拟中的重复效应呈四种模式，不能假设统一复现人类ITE。
- •测试Gemma-3-4b-it、Qwen2.5-7B、Llama-3.1-8B、GPT-5-nano四个模型
- •采集336000条评分，覆盖100条陈述、10种信息流变体、3次重复
- •Gemma-3呈真实ITE，Qwen2.5仅单纯曝光效应，GPT-5-nano无重复效应，Llama-3.1小幅真相提升
- •采用两阶段情境内设计，区分真实ITE与单纯曝光效应
为什么重要：用LLM智能体模拟社媒错误信息传播时，认知偏差不统一会直接影响模拟结果的有效性。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。