通过两个实验，我们发现被暴露在他人的观点和置信度后，参与者在回答实际问题时会修改其初始判断，建立了一个描述相互作用中同伴影响强度的影响力图，并且识别了两个主要的意见吸引子，即专家效应和多数效应，这些发现对于理解公众舆论形成的机制以及管理存在自信且信息更好的少数派挑战大多数人看法的情况具有重要意义。

Nov, 2013

本文提出一种推论机制，将生成的意见动态代理模型拟合到现实世界的社交信息中，不仅保留了基于代理的模型的优点（即因果解释），而且还具有在真实数据上进行模型选择和假设测试的功能。

Jun, 2020

通过代理模型，揭示了有关多维空间中观点动态的两个特征：人们的各种政策问题的个人意见往往与主导意识形态维度（例如 “左” 与 “右”）保持一致，并且越来越极端。

Mar, 2020

人工智能的替代代理人具有重要的影响力，可在线上言论中生成有效的论点，以引导公众舆论；此外，它们之间的相互作用还能够模拟人类社会系统中的说服过程，以便作为研究人群舆论动态的可信代理人。

Dec, 2023

本研究采用社会舆论动力学模型，将宣传设计问题形式化为识别目标受众的问题，旨在通过他们的积极反馈最大化信息在社交网络中的整体积极反馈，我们设计了解决该问题的算法，并在实际数据上进行了实验，证明了算法的高效性和实用性。

Jan, 2013

准确模拟人的观点动态对于理解各种社会现象至关重要，包括极化和误信息传播。我们提出了一种基于大型语言模型的人口多智能体模拟观点动态的新方法。我们的发现揭示出语言模型智能体存在对准确信息的固有偏差，导致在科学现实中产生共识。然而，该偏差限制了模拟对气候变化等问题持有抵制观点的个体。在通过启动工程引入确认偏见后，我们观察到观点分裂的情况与现有的多智能体研究一致。这些见解突显了在该领域中大型语言模型智能体的前景和局限，并提出了未来发展路径：通过与真实世界的话语相结合，完善语言模型，以更好地模拟人类信念的演变。

Nov, 2023

通过模拟社会网络中人们的意见动态，研究了一种具有内生信念的模型，发现在这种情况下很少能达成共识，并提供了达成共识的最低成本与社会最优状态的紧密界限。同时，讨论了如何通过调整网络结构来减少达成共识的成本。

Mar, 2012

我们研究互动的大型语言模型（LLMs）群体内舆论的演变。我们发现这些模型的交流受到几个倾向性因素的影响，分别是追求其他模型意见的共识、在资金配置时展现谨慎和考虑伦理问题。我们还发现这些偏见受到意见改变缺乏具有说服力的理由、愿意参与讨论的程度以及资源分配的分布的影响。此外，这些偏见之间的紧张关系可能导致对具有负面含义的项目的资金支持继续存在。通过自由形成意见与从三个资源分配选项中选择意见相比，我们发现在互动后，LLM 的意见分布更加多样化，而在后一种情况下，通常会达成共识或极化。当代理人了解过去的意见时，他们会努力保持一致，并产生更多样的更新规则。我们使用 Llama 3 LLM 进行了研究。

Jun, 2024

本文研究了社交媒体上自我封闭和观点极化的机制，通过引入激进化动力学模型，在不同的主题和社交状态下发现了社交影响和话题争议度对极化的影响，对社交媒体上自我封闭和观点极化的机制提出了新的见解。

Jun, 2019

研究社会系统中意见收敛的模型，发现指导邻居意见和类似信仰的网状连接都是影响意见形成的因素，并提出了一个简单的模型来控制这两个因素的平衡，发现该模型在参数变化的过程中发生了连续相变，从多样化的意见到大多数人持有同样的意见。

Mar, 2006