- 0
- 0
- 约1.56万字
- 约 11页
- 2026-03-09 发布于北京
- 举报
由LLM驱动的社交媒体机器人是现实存在的吗?
LynnetteHuiXianNgandKathleenM.Carley
CarnegieMellonUniversity,PittsburghPA15213,USA
lynnetteng@,kathleen.carley@
摘要随着大型语言模型(LLMs)变得更加复杂,有可能利用LLMs来驱
动社交媒体机器人。这项工作调查了生成由LLM驱动的社交媒体机器人
群网络的真实感。通过结合手动努力、网络科学和LLMs,我们创建合成
的机器人代理人物、他们的推文及其互动,从而模拟社交媒体网络。我们
本将生成的网络与实证中的机器人物/人类数据进行比较,观察到由LLM驱
译动的机器人的网络和语言特性与野生机器人/人类有所不同。这对于检测
中和评估由LLM驱动的机器人的有效性具有重要意义。
1
vKeywords:机器人·大型语言模型·生成式人工智能
8
9
91介绍
0
0
.社交媒体机器人是人工智能(AI)代理,它们是社交媒体生态系统的
8
0重要组成部分,因为它们可以显著影响信息传播模式。它们在促进救灾和
5防止虚假信息传播方面发挥着双重作用[12]。许多这些有害的机器人都是人
2
:工构建的,比如中国的50c军和俄罗斯的水军工厂。然而,生成式人工智能
v
i(GenAI)工具如大型语言模型(LLMs)已被证明能够创建现实的对话文本
x
r以参与数字讨论。OpenAI报告称,其LLM被用于生成针对特定国家和地
a
区主题的社会媒体营销材料[3]。这些由LLM驱动的机器人能够生成具有复
杂沟通模式的高质量内容,这将使虚假信息的检测更加复杂[15]。
基于代理的模型(ABM)一直是模拟社交网络并理解数字环境中集体
行为的经典方法。诸如巴拉巴西-阿尔伯特优先连接模型之类的模型已为网
ThismaterialisbaseduponworksupportedbytheScalableTechnologiesforSocialCybersecurity,
U.S.Army(W911NF20D0002),theMinerva-Multi-LevelModelsofCovertOnlineInformation
Campaigns,OfficeofNavalResearch(N000142112765),theThreatAssessmentTechniquesfor
DigitalData,OfficeofNavalResearch(N000142412414),andtheMURI:Persuasion,Identity
MoralityinSocial-CyberEnvironments(N000142112749),OfficeofNavalResearch.Theviews
andconclusionscontainedinthisdocumentare
您可能关注的文档
- 使用混合深度学习模型对脑肿瘤进行分类.pdf
- UEChecker:通过图分析检测 DApp 中的未检查外部调用漏洞.pdf
- SBP-YOLO: 一种用于检测减速带和坑洞的轻量级实时模型.pdf
- StyleSentinel: 通过风格指纹实现可靠的艺术版权验证.pdf
- AffectGPT-R1:利用强化学习进行开放词汇情感识别.pdf
- GMAT: 基于多智能体的临床描述生成以供文本编码器在视觉语言 MIL 中用于全幻灯片图像分类.pdf
- 关于宽带 ODDM 系统中多普勒斜视的特征与评估.pdf
- ModelNet40-E:一个面向点云分类的不确定性感知基准测试.pdf
- 通过对抗引导课程采样增强基于扩散的数据集蒸馏.pdf
- SketchAgent:从手绘草图生成结构化图表.pdf
- ThermoCycleNet:基于立体图像的热图标注以实现模型向骑行状态的转换.pdf
- 基于服务发现的混合网络中间件在分布式机器人系统中的高效通信.pdf
- 基于潜扩散的退化条件下面部增强以用于法医面部识别.pdf
- 巴洛行走:适用于腿部机器人地形自适应运动的自我监督表示 学习.pdf
- 个体模式中特征重要性的协同效应:应用到空气污染物和阿尔茨海默病的研究.pdf
- 使用 MPC 建模侧向扰动下的头颈动力学以模仿中枢神经系统姿态稳定策略.pdf
- 主题挑战以解决非洲的数据短缺问题:一项关于增加本地数据收集和整合的提案.pdf
- 缓解作为消费者的聊天机器人的碳足迹.pdf
- 带有过程噪声协方差更新的卡尔曼滤波算法.pdf
- GPT-2 中的通用神经元:出现、持续及其功能影响.pdf
原创力文档

文档评论(0)