PRISM: A Personality-Driven Multi-Agent Framework for Social Media Simulation
作者: Zhixiang Lu, Xueyuan Deng, Yiran Liu, Yulong Li, Qiang Yan, Imran Razzak, Jionglong Su
分类: cs.CL
发布日期: 2025-12-22
💡 一句话要点
PRISM：一个基于人格驱动的社交媒体模拟多智能体框架
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 社交媒体模拟 多智能体系统 人格驱动 舆论动力学 情感建模
📋 核心要点
- 现有舆论动力学模型未能充分考虑个体心理差异，导致无法准确模拟在线极化现象。
- PRISM框架结合随机微分方程和部分可观察马尔可夫决策过程，模拟个体情感演化和决策过程。
- 实验表明，PRISM在人格一致性方面优于传统模型，并能有效复现社交媒体中的复杂现象。
📝 摘要（中文）
传统的基于智能体的舆论动力学模型（ABM）由于过于简化的同质性假设，通常无法捕捉驱动在线极化的心理异质性。这种局限性掩盖了个人认知偏差与信息传播之间的关键相互作用，从而阻碍了对意识形态分歧如何被放大的机制性理解。为了解决这个挑战，我们引入了人格折射智能模拟模型（PRISM），这是一个混合框架，将用于连续情感演化的随机微分方程（SDE）与用于离散决策的基于人格条件的部分可观察马尔可夫决策过程（PC-POMDP）相结合。与连续特质方法不同，PRISM为多模态大型语言模型（MLLM）智能体分配了基于迈尔斯-布里格斯类型指标（MBTI）的不同认知策略，并通过来自大规模社交媒体数据集的数据驱动先验进行初始化。PRISM实现了与人类真实情况对齐的卓越人格一致性，显著优于标准的同质和Big Five基准。该框架有效地复制了诸如理性压制和情感共鸣等涌现现象，为分析复杂的社交媒体生态系统提供了一个强大的工具。
🔬 方法详解
问题定义：论文旨在解决传统舆论动力学模型在模拟社交媒体环境时，由于忽略个体人格差异而导致的精度不足问题。现有方法通常假设个体是同质的，无法捕捉到认知偏差和信息传播之间的复杂关系，从而难以理解意识形态分歧的放大机制。
核心思路：PRISM的核心思路是引入人格因素，通过为每个智能体分配不同的人格类型（基于MBTI），并赋予其对应的人格化认知策略，从而模拟个体在社交媒体中的行为。这种异质性建模能够更真实地反映社交媒体用户的多样性，从而提高模拟的准确性。
技术框架：PRISM框架包含两个主要组成部分：1) 基于随机微分方程（SDE）的情感演化模型，用于模拟个体情感的连续变化；2) 基于人格条件的部分可观察马尔可夫决策过程（PC-POMDP），用于模拟个体在社交媒体中的离散决策行为。框架首先使用大规模社交媒体数据集初始化智能体的人格，然后通过SDE和PC-POMDP模拟其在社交媒体中的交互过程。
关键创新：PRISM的关键创新在于将人格因素融入到智能体模型中，并使用MBTI人格类型作为认知策略的基础。与传统的连续特质方法不同，PRISM使用离散的人格类型，使得模型更易于理解和解释。此外，PRISM还使用了多模态大型语言模型（MLLM）来增强智能体的认知能力。
关键设计：PRISM的关键设计包括：1) 使用SDE模拟情感演化，其中SDE的参数根据个体的人格类型进行调整；2) 使用PC-POMDP模拟决策行为，其中状态空间包括个体的情感状态、信念状态和社交网络状态，动作空间包括发布、评论、点赞等行为，奖励函数根据个体的人格类型进行设计；3) 使用数据驱动的方法初始化智能体的人格，从而保证模型与真实社交媒体数据的对齐。
🖼️ 关键图片
📊 实验亮点
PRISM在人格一致性方面显著优于传统的同质和Big Five基准模型。实验结果表明，PRISM能够有效复现社交媒体中的理性压制和情感共鸣等复杂现象，证明了其在模拟社交媒体环境方面的有效性。具体性能数据未知，但摘要强调了其优越性。
🎯 应用场景
PRISM可应用于分析社交媒体舆论演化、预测信息传播趋势、评估虚假信息的影响、以及设计更有效的信息传播策略。该模型有助于理解在线极化现象的根源，并为构建更健康、更理性的社交媒体环境提供理论基础和技术支持。未来，PRISM可扩展到其他社会模拟领域，例如市场营销、政治科学等。
📄 摘要（原文）
Traditional agent-based models (ABMs) of opinion dynamics often fail to capture the psychological heterogeneity driving online polarization due to simplistic homogeneity assumptions. This limitation obscures the critical interplay between individual cognitive biases and information propagation, thereby hindering a mechanistic understanding of how ideological divides are amplified. To address this challenge, we introduce the Personality-Refracted Intelligent Simulation Model (PRISM), a hybrid framework coupling stochastic differential equations (SDE) for continuous emotional evolution with a personality-conditional partially observable Markov decision process (PC-POMDP) for discrete decision-making. In contrast to continuous trait approaches, PRISM assigns distinct Myers-Briggs Type Indicator (MBTI) based cognitive policies to multimodal large language model (MLLM) agents, initialized via data-driven priors from large-scale social media datasets. PRISM achieves superior personality consistency aligned with human ground truth, significantly outperforming standard homogeneous and Big Five benchmarks. This framework effectively replicates emergent phenomena such as rational suppression and affective resonance, offering a robust tool for analyzing complex social media ecosystems.