LLM驱动的智能体是否表现出参与机制？信息负荷、描述性规范与热度线索的受控测试

大语言模型让基于智能体的模拟在行为上更具表现力，但也加剧了一个基本方法论矛盾：流畅、类人的输出本身并不能作为理论证据。我们以社交媒体信息参与作为测试案例，评估LLM驱动的模拟能够可信地支持什么。在一个类微博环境中，我们操纵信息负荷和描述性规范，同时允许热度线索（累计点赞和新浪微博式累计转发）内生演化。我们进而追问：在这些受控变化下，模拟行为是否以理论上可解释的方式发生改变，而不是仅产生看似合理的轨迹。参与行为对信息负荷和描述性规范呈现系统性响应，对热度线索的敏感性随情境而变，表明存在条件性而非对提示的死板顺从。我们讨论了对基于模拟的传播研究的方法论启示，包括多条件压力测试、设置显式无规范基线（因为默认提示并非空白对照），以及在研究从众动态时保留内生反馈回路的设计选择。