通过罗生门集代理对社会感知中的认知不确定性进行建模

我们提出了一个大语言模型驱动的多主体概率建模框架，该框架展示了在观察到的社交网络和有限的问卷数据的约束下，学生主观社会认知的差异如何在现实课堂环境中产生和演变。当社会信息不完整并且学生之间的感知准确性不同时，他们可以根据他们可以获得的本地线索对同一群体结构形成不同的看法。反复的同伴沟通和信念更新可以逐渐改变这些观点，并随着时间的推移，导致稳定的群体层面的差异。为了避免假设全局的“上帝视角”，我们为每个学生分配了一个个性化的主观图表，显示他们可以感知哪些社会关系以及从他们的角度可以获得多远的信息。所有判断和交互都仅限于这个主观图：智能体使用检索增强生成（RAG）仅访问本地信息，然后形成对同伴能力和社会地位的评估。我们还添加了与社交焦虑相关的结构性扰动，以代表社会感知准确性方面一致的个体差异。在同伴交流期间，代理会分享对同学学业成绩和带有不确定性标签的社会地位的叙述性评估，并使用基于大语言模型的信任分数概率地更新信念。使用六个真实考试成绩的时间序列作为外生参考，我们运行多步骤模拟来检查认知不确定性如何通过局部交互传播。实验表明，在不依赖全球信息的情况下，该框架再现了与现实世界教育环境一致的几种集体动态。该代码发布于 https://anonymous.4open.science/r/Rashomonomon-0126。