- 从怀疑到接受：模拟对假新闻态度的动态
基于大型语言模型的虚假新闻传播模拟框架研究了虚假新闻传播的趋势和控制，揭示了与话题相关性和个体特征相关的传播模式，并评估了各种干预策略的效果和成本，证明了大型语言模型在打击虚假新闻方面的重要性和潜力。
- 影响性强盗：偏好塑造的臂选择
该研究论文探讨了非平稳的多臂赌博机中，通过观察到的奖励来积极和消极地加强人群偏好，算法的目标是塑造人群偏好，从而最大化人群中支持特定臂的比例，提出了不同意见动态模型，包括两种二元意见动态（弹性递减和常数弹性），探讨了不同策略及其遗憾值的分析 - 大型语言模型的说服力
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。
- 基于 LLM 代理的网络观点动力学模拟
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 - 社交网络中基于观点动力学的神经消息传递的统一视角
我们提出了一种基于有界置信度的信息传递框架 ODNet，将社会网络和神经信息传递的概念相结合，用于分析和推断动态系统的行为。通过调整有界置信度和影响力权重，并定义与社交网络图特点一致的观点交换规则，我们的方法能够简化复杂的社交网络图，准确识 - 关于记忆在稳健舆论动态中的作用
研究了一个完全连接的系统中的意见动态，在没有记忆的情况下，考虑了包括选民模型和最佳 - k 多数规则在内的非常流行的意见动态，结果表明缺乏记忆会防止有效收敛，而使用随机意见动态快速收敛于正确的意见为信息传播过程所必需的。
- 几何意见动态中的极化
本文研究政治极化问题，提出新型观点模型以模拟意见演变，进一步探究极化现象的成因，并探讨基于几何模型的强弱极化概念及其在马尔科夫链上的应用。
- KDD从社会迹象中学习观点动态
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。
- 论述束上的观点动力学
本文介绍了一种新型拉普拉斯和扩散动力学，将其作为网络动态的模型，并应用于社交网络上的观点动态。我们引入了一个 sheaf 模型，并在此语境下开发了一个 sheaf Laplacian，并展示了如何通过网络上的扩散动力学来演化意见和信息传递。 - 多维观点动态和观点一致性的基于代理人模型
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。
- MM利用因果关系挖掘促进在线舆论动态：以《卫报》气候变化讨论为例
通过引入数字方法和开放基础设施，结合因果关系的表达方式，本文介绍了一个实验性的观测站，用于从 The Guardian.com 的新闻评论中挖掘、分析和可视化信仰和观点。并通过探讨研究方法和基础设施的意义和影响，为研究新媒体环境下的意见动态 - WWW社交网络中减少极化和分歧
本文研究如何通过网络结构来降低社交媒体带来的观点极化和分歧，并提出了一种精确且高效的算法，同时对算法进行了合成及真实数据的测试，结果表明该算法对于推荐系统和社交网络优化具有重要意义。
- 随机行动对观点动态的影响
研究了观点动态学中代理人在面对来自决策观察的社交压力时，选择二元行动的情况。证明了即使行动可以被广泛接受或极化，最终结局仍然是随机的，并揭示了失去个体决策背后细微差别的信息往往导致了非理性跟风行为。
- 社交网络中极性意见动态分析距离指标
介绍了一种新的社交网络距离（SND）测量方法，主要应用于社交网络的观点动态分析（如预测用户的政治倾向），实验结果表明该方法在异常事件检测和观点预测方面具有很高的准确率。
- 社交网络中的观点动态学习和预测
本文提出了 SLANT，一种基于标记的跳跃扩散随机微分方程的概率建模框架，用于表示用户随时间变化的意见，可以从历史细粒度事件数据中进行有效的模型模拟和参数估计，并利用该框架得出了一组有效的预测公式，实验结果表明，该模型提供了良好的拟合，并且 - 社交网络中的观点最大化
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。
- 自行形成意见有多糟糕？
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。
- 社交网络中的意见波动和分歧
研究了一种简单的舆论动态模型，其中包括不同类型的代理人，他们的信仰会随着时间和社交邻居的信息发生变化。在这种社会结构中，我们证明了意见动态无法收敛到一致，但相反，意见动态保持在同一种分布。
- 意见动态的有界信任模型
本文研究有界信心模型的观点动态演化，证明了当时间趋近无穷大时，各群体内部观点趋于局部集群，随后每个集群内的观点将收敛到集群重心。同时，研究表明，随着同伴数量趋近无穷大，观点处理过程收敛到非线性 Markov（或 McKean-Vlasov） - Krause 多智能体一致性模型及其状态依赖性连接 (扩展版)
研究 Krause 引入的一种观点动态模型，其中每个代理都有一个由实数表示的观点，并通过对所有与其自身观点相差不到 1 的代理观点求平均来更新其观点。通过给出一个新的聚类收敛证明，我们表明所有处于同一组中的代理持有相同的观点。然后我们引入了