-
日期: 2025-04-20 | 來源: AI未來指北 | 有0人參與評論 | 字體: 小 中 大
這是人的行為不是在真空中產生的，它總是在事件的時間線上、身份的社會結構中、語境的交互場中發酵。社會，不是壹堆人，而是壹種信息的共振結構。
這正是SocioVerse的起點：如果我們要模擬社會，就不能只模擬人，還要模擬信息，及其如何穿透人群，塑造情緒，匯聚成共識或撕裂。
於是，他們設計了肆個協作的引擎：社會環境引擎、用戶引擎、場景引擎、行為引擎。這肆者的協作，恰好對應了社會結構中最核心的肆個邏輯維度：時間性（事件如何演化）、個體性（誰在被影響）、情境性（在哪種互動中）和互動性（如何相互作用）。
第壹步，個體維度：從標簽到人格的進化
SocioVerse的用戶引擎可能是它最具人類學雄心的部分。他們從Twitter（X）與小紅書上采集了超過1000萬個真實用戶數據，超過7100萬條社交發言。然後，用叁個最強LLM（GPT-4o、Claude 3.5、Gemini 1.5）給每壹個人打標簽。
這些標簽不光包括我們熟知的人口學標簽，比如年齡、性別、種族、地區；在這壹層，基本就是傳統推薦引擎的極限了。
而LLM的語義理解使得這壹系統還可以對用戶的政治傾向、消費偏好、價值觀打標簽。除此之外，他們甚至能對你的人格本身做標記，在實驗中，他們應用了Big Five人格模型（開放性、責任心、外向性、宜人性、神經質）對智能體做了分類，甚至連他們做表達的語義風格也可以分類模擬，比如它是偏情緒表達，還是喜歡邏輯分析。這使得這壹系統中的模擬人Agent具有了過往系統所完全沒有的細膩度和真實性。
完成這壹系列打標後，系統會將標簽交由人工評審，再訓練成分類器，讓整個用戶庫真正變成壹個活的社會人群圖譜。這些圖譜包含：
●基礎屬性：年齡、地域、職業等人口學特征
●心理特征：大伍人格特質（開放性、盡責性等）
●行為特征：表達風格（如“理性分析型”或“情緒宣泄型”）
●價值取向：政治立場、消費觀念等深層傾向
這使得研究者能精准調用特定人群畫像，如“技術樂觀的95後程序員”或“對AI持懷疑態度的中年主婦”。
第贰步，時空維度：動態演進的社會劇場
如果說社會是壹個系統，那它首先是壹個時間系統。人們的行為不是在“狀態”中生成，而是在“進程”中變化。
為了實現社會的時間性變化，在建立完個人後，SocioVerse還建立了壹套“社會環境引擎”。
它通過實時抓取新聞事件、政策變動、經濟指標等數據，構建持續演化的社會背景。以美國大選模擬為例，系統不僅輸入候選人政見，還整合了各州失業率等經濟數據、社交媒體話題熱度、突發公共事件影響，形成了壹部24小時更新的“社會紀錄片”。
第叁步，場景維度：情境敏感的行為模擬
首先是場景引擎。我們對壹個問題的回應，並不是脫離上下文的“意見表達”，而是被放置在某種語境中——餐桌上的談話和問卷調查、微博發帖和面對面的訪談，是完全不同的體驗。
SocioVerse就通過場景引擎，去模擬不同行為發生的“結構性環境”。
比如當它模擬“選舉投票行為”時，就會選擇匿名系統反饋。當它模擬“社交平台發言”時，要加入“會被誰看到”“評論如何反饋”的社交反饋機制。而當它模擬“用戶接受經濟調查”時，需要把問題置於是否信任問卷、是否擔心隱私等背景因素中。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見