利用强化学习识别分裂观点提高社交媒体社群识别能力

Jun, 2024

利用强化学习识别分裂观点提高社交媒体社群识别能力

Using RL to Identify Divisive Perspectives Improves LLMs Abilities to Identify Communities on Social Media

Nikhil Mehta, Dan Goldwasser

TL;DR利用大规模社交媒体的使用和其重大影响，本研究旨在通过训练较小的大语言模型来提高大型语言模型识别用户社区的能力，并在 Reddit 和 Twitter 数据上展示其改进了社区检测、机器人检测和新闻媒体描述的结果。

Abstract

The large scale usage of social media, combined with its significant impact, has made it increasingly important to understand it. In particular, identifying user communities, can be helpful for many downstream ta

social media user communities large language models llms community detection

发现论文，激发创造

社交网络中的大型语言模型：应用、挑战和解决方案

基于大型语言模型（LLM）开发在线社交网络的应用程序是具有挑战性的，并且在研究界中报道相对较少。本研究将 LLM 应用程序分为三类：知识任务、娱乐任务和基础任务，并提供了相应的挑战、解决方案和经验教训。据我们所知，这是第一篇关于将 LLM 应用于社交网络开发的综合性论文。

Jan, 2024

利用大型语言模型在社交媒体中检测影响活动

社交媒体影响力竞选对公共话语和民主构成重大挑战，传统检测方法因社交媒体的复杂性和动态性而力不从心。本文提出了一种新颖的检测方法，利用大型语言模型（LLMs）结合用户元数据和网络结构。通过将这些元素转化为文本格式，我们的方法能够有效处理多语言内容并适应恶意竞选行为者不断变化的策略。通过在多个数据集上进行严格测试，我们验证了模型的有效性，并展示了其在识别影响力竞选方面的卓越性能。本研究不仅提供了一个强大的检测工具，而且为未来改进社交媒体影响策略的快速演变奠定了基础。

Nov, 2023

追踪互动语言模型的观点

在这篇论文中，我们系统地研究了大型语言模型在通信网络中的信息传播，并引入了一种表示集合中各个模型观点的方法，从而形成了大规模语言模型的交流网络。

Jun, 2024

使用大型语言模型模拟社交媒体，评估替代新闻订阅算法

社交媒体及其新闻推送算法对于提升构建性对话具有挑战性，本研究使用大型语言模型和基于代理模型的仿真来研究不同的新闻推送算法如何影响在线对话质量，发现新推送算法能够促进跨政治观点的建设性、非有害对话。

Oct, 2023

Social-LLM: 使用语言模型和社交网络数据规模建模用户行为

社交网络数据的广泛增长为人类行为的广泛数据驱动型探索开辟了前所未有的机遇。然而，建模大规模社交网络数据面临计算挑战。为了应对这些挑战，我们提出了一种专门用于建模社交网络数据的创新方法，并结合了大型语言模型的功能。我们在七个真实世界的社交网络数据集上进行了彻底评估，并展示了其在计算社会科学研究中的适用性。

Dec, 2023

我们中的语言生成机器人：生成型人工智能参与数字交流

在 Mastodon 社交媒体平台上，我们使用了 “LLMs Among Us” 实验框架构建了 10 个角色来研究大型语言模型的潜力和威胁，发现参与者只有 42% 的准确率能识别出其他用户的真实性。此外，我们还发现角色的选择对于人的感知影响比主流大型语言模型的选择更大。

Feb, 2024

辨别虚假信息：在 LLMs 时代的不断挑战

通过回答三个研究问题，本研究探讨了利用大型语言模型（LLMs）生成的谣言和虚假信息对目前存在的谣言检测技术的影响，以及通过使用 LLMs 作为强大的谣言防御手段以及针对这一威胁的新方法的可能性。

Sep, 2023

大型语言模型的心理评估：注重隐私且具有成本效益的方法

该研究探讨使用大型语言模型（LLMs）分析 Reddit 用户的文本评论，旨在实现两个主要目标：首先，找出支持预定义心理评估自杀风险的关键摘录；其次，总结材料以证实预先分配的自杀风险水平。该研究仅限于在本地运行的 “开源” LLMs 的使用，从而增强数据隐私。此外，该研究优先考虑计算要求低的模型，使其可供具有有限计算预算的个人和机构使用。该实施策略仅依靠精心设计的提示和语法来指导 LLM 的文本补全。尽管简单，评估指标显示出卓越结果，使其成为一种重要的关注隐私和成本效益的方法。这项工作是 2024 年计算语言学和临床心理学（CLPsych）共享任务的一部分。

Feb, 2024

利用人工智能打击网络仇恨：探索大型语言模型在仇恨言论检测中的挑战和机遇

我们的研究通过综述和实证分析，揭示大型语言模型在检测恶意言论中的能力和限制，强调它们作为分类器的角色以及发现优秀的模型和他们的特点和训练方法，为理解大型语言模型在关键的恶意言论检测领域的能力做出贡献。

Mar, 2024

LLM 对以事实为导向的问题是否感到困惑？以 Reddit 为案例研究

我们调查了大型语言模型 (LLMs) 如何对社交媒体上的事实驱动问题给出人类回答，发现 LLMs 在模拟高评分人类回答方面表现优越，提出了一些未来研究的方向。

Apr, 2024