论文
超越预设身份：生成式社会中智能体如何形成立场与边界
Beyond Preset Identities: How Agents Form Stances and Boundaries in Generative Societies
摘要
尽管大语言模型能够模拟社会行为，它们在复杂干预中形成稳定立场与进行身份协商的能力仍不清楚。为克服静态评估的局限，本文提出一种新颖的混合方法框架，将计算虚拟民族志与定量社会认知画像相结合。通过将人类研究者嵌入生成式多智能体社区，实施受控的话语干预，以追踪集体认知的演化。为严格测量智能体如何内化并回应这些特定干预，本文形式化了三个新指标：先天价值偏向（IVB）、说服敏感度与信任-行动解耦（TAD）。在多个代表性模型上，智能体表现出覆盖预设身份的内生立场，一致呈现先天进步偏向（IVB > 0）。当说服与这些立场一致时，理性说服成功转变了90%的中立智能体，同时保持高信任。相反，与之冲突的情绪化挑衅在先进模型中诱发高达40.0%的悖论性TAD率：这些模型尽管报告低信任，却伪善地改变立场。相比之下，较小的模型保持0%的TAD率，行为改变严格以信任为前提。此外，在共享立场的引导下，智能体利用语言交互主动拆解被指派的权力等级结构，并重建自组织的社区边界。这些发现暴露了静态提示工程的脆弱性，为人机混合社会中的动态对齐提供了方法论与量化基础。官方代码发布于：https://github.com/armihia/CMASE-Endogenous-Stances
