From Skepticism to Acceptance: Simulating the Attitude Dynamics Toward Fake News

在数字时代，社交网络快速传播虚假新闻和谣言，带来了显著的社会挑战并影响了公共舆论调控。传统的虚假新闻建模通常预测不同群体的普遍流行趋势或以数字方式表示意见转移。然而，这些方法经常过于简化实际复杂性并忽略新闻文本的丰富语义信息。大型语言模型（LLMs）的出现提供了模拟微妙的意见动态的可能性。因此，在本研究中，我们介绍了一种基于LLM的虚假新闻传播模拟框架（FPS），详细研究了虚假新闻传播的趋势和控制。具体而言，模拟中的每个代理都代表着一个具有独特个性的个体。他们配备了短期和长期记忆，以及反思机制来模仿类人思考。每天，他们进行随机的意见交流，反思自己的思考，并更新自己的意见。我们的模拟结果揭示了与主题相关和个体特征相关的虚假新闻传播模式，与现实世界的观察相一致。此外，我们评估了各种干预策略，并证明早期和适当频繁的干预在治理成本和效果之间取得了平衡，为实际应用提供了有价值的见解。我们的研究强调了LLMs在打击虚假新闻方面的重要实用性和潜力。

本论文旨在通过使用大型语言模型（LLMs）来建立一个虚拟环境模拟假新闻传播，并探讨假新闻传播的趋势和控制方法。

论文提出了一种基于LLM的假新闻传播模拟框架（FPS），模拟了每个个体的思维和行为，研究了与话题相关性和个体特征有关的假新闻传播模式，并评估了各种干预策略的效果。

论文的实验结果揭示了假新闻传播与话题相关性和个体特征之间的关系，同时提供了早期干预策略的可行性和有效性。论文使用了大型语言模型，这是该领域的一个新颖之处。论文还使用了开源数据集，并提供了代码。

最近在这个领域中的相关研究包括：《基于机器学习的假新闻检测》、《社交网络中假新闻的传播与控制》等。