🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
在社交媒体上操纵舆论的“信息操作”，过去主要靠人工水军和简单的脚本账号，今后很可能交给能自主思考、互相配合的人工智能智能体来完成。
你可能听说过“水军”“僵尸号”：一群账号在同一时间发差不多的话、互相转发、集中刷某个话题标签，让旁观者误以为“大家都这么想”，顺便骗过平台的推荐算法。研究者把这类有组织、有目的地影响公众舆论的行动称为信息操作（Information Operations，简称 IO），它常出现在选举、地缘冲突和重大公共事件中。过去的研究发现，现实中的水军虽然是“真人加机器”混编，套路其实不复杂：同步发帖、刷标签、组成转发圈。
麻烦在于，今天的大语言模型已经能扮演一个会读、会写、会记事、会权衡的“网民”。如果有人把一整队这样的智能体放进社交平台，它们会不会自己学会打配合？如果会，靠人工排班的传统水军就可能升级为全自动、会随机应变、更难被识破的“智能水军”。
这正是计算传播学长期关注的虚假信息与舆论操纵问题，也直接牵涉平台治理与公共政策：平台怎样识别“协同不实行为”，选举期间怎样守护信息环境的完整性。本文用一种新的仿真方法——让大模型驱动每一个虚拟用户的生成式智能体建模——在电脑里提前“彩排”这种风险。
② 研究问题（要回答什么？）
这项研究想弄清楚，如果让一群人工智能智能体替某位政治候选人造势，它们会不会在没有人逐步指挥的情况下协调起来，协调的招数又像不像现实中的水军。
为此，作者设计了三个“掌握信息逐级增加”的情境，就像给一支球队一步步增加战术信息。具体如下：
- 只知道目标（共同目标组）：每个水军智能体都知道要为某位候选人造势、把一个专属标签刷起来，但不知道队友是谁。
- 知道队友是谁（队友知情组）：在此基础上，再告诉它们其余九名队友的名字。
- 开会集体拍板（集体决策组）：每隔五轮，队员们进入一个“内部群”复盘战绩，每人提三条建议，由一名“总协调员”统计大家提得最多的五条策略，再发回给全队执行。
作者参照真实水军研究，把“协同”拆成五个能量化的问题：队伍内部是不是更抱团（H1）？说法和情绪是不是更统一（H2）？是不是更同步地转发同样的内容（H3）？推广的标签是不是被普通用户更快、更多地采用（H4）？内容能不能冲出小圈子、传得更深更广（H5）？总的猜想是：水军掌握的团队信息越多，这五项就越强。
③ 研究方法（怎么做的？）
作者搭了一个“迷你版推特”。这属于智能体建模（ABM）中的新分支——生成式智能体建模，而不是系统动力学或离散事件仿真：每个虚拟用户都由一个大语言模型驱动，有自己的人设、记忆和行动规则，平台规则则由程序统一执行。具体如下：
- 谁在里面：一共 50 个智能体，其中 10 个是水军，40 个是普通用户；普通用户里 20 个立场与水军宣传的方向一致，20 个立场相反。普通用户的人设取自 2020 年美国大选期间真实推特用户的资料。
- 平台怎么运转：每一轮，平台给每个智能体推荐最多 100 条内容，一半来自它关注的人，一半随机来自圈外；智能体再决定发帖、评论、转发、关注还是沉默。所有人行动完，平台结算互动数据，进入下一轮。
- 跑多久：每次仿真跑 50 轮，三种情境各重复 3 次。每轮大约要算 60 分钟，一次仿真就要两天多。
- 大脑是谁：所有智能体都用同一个开源大模型 Llama 3.3（700 亿参数），用多智能体框架 AutoGen 搭起来。
水军一开始会拿到一个只有它们知道的专属标签，任务就是为候选人造势、把标签刷起来。三种情境里都没有真人替它们决定每一步做什么，改变的只是“它们知道多少”。
怎么量“协同”？作者直接借用现实中抓水军的工具：看水军之间互相关注、评论、转发的网络有多密；用文本向量算它们的帖子有多像；用情绪分类器看它们彼此评论有多“友好”；看它们是不是总在转同一批帖子；再追踪标签在普通用户里的扩散，以及每条水军帖引发的转发“瀑布”有多大。这就像医生拿同一套体检指标，去同时检查真水军和“AI 水军”。
④ 结果（发现了什么？）
实验发现，水军掌握的团队信息越多，这支人工智能水军就抱得越紧、口径越统一、转发越同步，推广的话题标签也传得越快越广。
水军内部互动网络的密度从“只知目标”时的 0.74 升到知道队友后的 0.89；抱团程度（聚类系数）从 0.86 升到 0.96–0.97；互相回应的比例从 0.56 升到 0.65–0.68。水军的转发里，转给自己队友的比例从 82% 升到 96%。
水军帖子之间的文本相似度从 0.89 升到 0.91，而普通用户之间只有 0.61–0.63；水军彼此评论的情绪正面程度从 0.68 升到 0.83，像一群互相点赞打气的“自己人”。
“总在转同一批帖子”的相似度从 0.28 升到 0.35，是普通用户（0.11）的两倍半到三倍多。
带专属标签的原创帖比例从 42% 升到 54%。立场一致的普通用户几乎一接触水军就跟着用标签：只接触 10 条水军帖，就有八成以上用上了；立场相反的用户慢得多，但在“开会拍板”组里上升得最陡。
每条水军帖被普通用户转发的平均次数从 0.75 升到 1.19，转发“瀑布”的平均规模从 3.84 条升到 4.56 条；但评论数几乎不变（约 0.33 条），受众多样性也没有变化（约 0.61–0.62）。
最出人意料的是：只要告诉智能体“谁是队友”，协同程度就几乎追平了开会、投票、统一部署的集体决策组。作者翻看运行日志发现，知道队友后，智能体会主动模仿队友里“效果好”的做法，比如“这条已经有好几个队友转了，我再转一次能让更多人看到”。
⑤ 讨论（这些发现说明什么？）
这些结果说明了三件事，也留下了几个需要冷静看待的地方。
第一，AI 水军会“自己长出”真实水军的套路。在“开会拍板”组里，智能体反复讨论后收敛到五条核心策略：放大表现好的内容、统一口径、主动接触可能被说动的用户、队友之间互相搭台、使用统一的口号和关键词。这几乎就是研究者在现实水军身上观察到的那一套。
第二，协同不一定需要“指挥部”。只要知道谁是自己人，智能体就会观察并模仿彼此的成功做法，形成接近集体部署的协同。作者据此提醒平台：那些会“暴露或提示谁和谁是一伙”的功能设计，可能就足以点燃高度组织化的集体行动。
第三，声势变大了，圈子却没变大。协同让水军的转发量和传播规模上去了，却没有让受众变得更多样，帮忙扩散的主要还是原本就认同它们的人。这和现实研究中“同立场的人更爱互相放大”的发现一致。
但也要冷静看。这里的“普通用户”本身也是大模型扮演的，“水军和普通人”的对比其实是“模型和模型”的对比。更关键的是，细看论文附录里的提示词会发现，“知道队友”这一组的指令里明确写着“必须积极与以下队友协调”“协调不是可选项”，所以这一组的协同并不完全是“自发”的，更像是“被要求协同之后自己摸索出怎么协同”。此外，全场只有 50 个智能体、每种情境只跑了 3 次、只用了一个模型，结论还需要更大规模的复验。
⑥ 结论（最终结论 + 启示）
这项研究的最终结论是，人工智能智能体即使没有真人逐步操盘，也能复现现实水军的典型协同套路，自动化舆论操纵的风险需要平台和监管者提前防范。
它的启示可以分三层看。对计算传播学来说，生成式智能体仿真像一个“风洞”，可以在不伤害真实用户的前提下，反复彩排信息操作怎样组织、怎样扩散。对平台治理来说，这些 AI 水军留下的痕迹——抱团的互动网络、高度相似的文本、同步转发、集中刷标签——恰好是现有水军识别方法盯着的信号，这是好消息；坏消息是，只要一点“谁是队友”的信息就能激发强协同，门槛很低。对公共政策来说，选举期间的信息环境保护，需要把“自动化、自组织的影响力行动”纳入考量。
不过，这只是一次小规模的“实验室彩排”：50 个智能体、一个模型、一个标签、每种情境 3 次重复，也还没有用真实水军数据来校准。作者计划下一步用已核实的真实信息操作数据校准智能体，并研究哪类用户最容易被协同操纵。在那之前，这些数字更适合看作“方向性证据”，而不是对真实世界的精确预测。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
议题源流：信息操作（IO）指在社交媒体上有组织地操纵公众舆论的影响力行动，常见于地缘政治议题及选举、危机等社会性事件（Badawy et al., 2018；Cinus et al., 2025；Minici et al., 2024）。经验研究显示，传统 IO 由人工操盘、人机混编账号执行，战术相对简单——同步发帖、标签刷屏（hashtag flooding）、转发环（retweet rings）、协同回复攻击——用以制造“广泛共识”的假象并操纵推荐算法（Starbird et al., 2019；Arif et al., 2018；Pacheco et al., 2021；Pote et al., 2025），且多为按剧本执行而非适应性、审议式的策略生成（Keller et al., 2020；Kumar et al., 2017）。LLM 与智能体 AI 的出现，使 IO 可能走向高度自动化、自适应、跨大规模智能体网络的自组织协同。
文献空白：LLM 多智能体仿真已显示生成式智能体能协商、形成惯例并围绕预设任务协调（Ashery et al., 2025 等），也有工作模拟观点动态与极化（Chuang et al., 2023；Piao et al., 2025）或恶意合谋（Ren et al., 2025；Qiao et al., 2025）。作者指出两点不足：(1) 智能体间的协同通常是预设而非涌现的；(2) 评价多依赖互动量、情绪变化等窄口径结果指标，缺少对协同结构如何形成、演化的过程性刻画。
研究问题：若生成式智能体被用于信息操作，协同如何在它们之间产生？其策略在多大程度上类似真实 IO？
贡献：
- 作者称这是首个对模拟 IO 中生成式智能体涌现协同的系统研究：以 GABM 在类 X/Twitter 环境中实例化 IO 与有机智能体，逐级操纵 IO 智能体的运行知情度（共同目标 → 队友知情 → 集体决策）。
- 把经验 IO 研究中的协同信号映射为可测量指标，分为协同维度（网络凝聚、叙事趋同、转发放大）与影响维度（标签采纳、跨群扩散）。
- 公开代码并发布交互式仪表盘（llmxio-dashboard），可逐轮回放关注、转发、回复网络与标签采纳轨迹，并查看智能体陈述的行动动机。
与计算传播学及平台治理的连接：本文位于计算传播学“虚假信息—社交机器人—协同不实行为”研究的延长线上。作者团队（USC 的 Ferrara、Luceri 等）本身是 IO 与协同行为检测文献的活跃贡献者（文中引用其 Luceri et al., 2024b；Cinus et al., 2025；Pantè et al., 2025 等），本文把检测研究中的共转发相似度、文本相似度、标签扩散等指标“反向”用于生成式仿真，结论被作者直接落到信息完整性、平台治理与防御上；情境设定为选举中的候选人造势，关涉选举信息环境这一公共政策议题。
I. Theoretical Framework & Hypotheses（理论框架与假设）
总命题：IO 智能体的运行知情度（operational regimes：目标 → 队友身份 → 策略审议）逐级上升，将逐级强化协同机制并放大对有机用户的影响。五项假设分属协同维度（H1–H3）与影响维度（H4–H5），每项都由经验 IO 研究中的已知信号映射而来。
| 编号 | 假设 | 操作化指标 | 经验依据 |
|---|---|---|---|
| H1 网络凝聚 | 知情度越高，IO 群内网络越稠密、越互惠 | 关注、评论、转发网络中的群内占比；IO 群内有向网络（评论与转发聚合）的密度、聚类系数、互惠性 | Luceri et al. 2024a；Minici et al. 2024；Cinus et al. 2025；Vargas et al. 2020 |
| H2 叙事趋同 | 叙事内容与情绪表达同步趋同 | Sentence-BERT 嵌入的 IO 帖子两两余弦相似度；TweetEval 微调 RoBERTa 对 IO↔IO 评论的情绪得分 | Arif et al. 2018；Pacheco et al. 2020、2021；Burghardt et al. 2024 |
| H3 转发放大 | 更系统地转发相同内容 | IO 智能体—原帖二部图上 TF-IDF 向量的两两余弦（共转发相似度） | Pacheco et al. 2021；Schoch et al. 2022；Pantè et al. 2025 |
| H4 标签采纳 | 推广标签向有机用户的采纳与扩散增强 | 含标签帖子占比与有机采纳者占比；首次互动到首次采纳的时滞；首次采纳前的曝光数 | Arif et al. 2018；Luceri et al. 2024b、2025；Ye et al. 2024 |
| H5 跨群扩散 | 有机互动的规模与异质性上升，传播更广 | 有机用户给 IO 帖的转发与评论数；受众多样性；级联规模、深度、宽度 | Dey et al. 2024；van Mierlo et al. 2016；Ye et al. 2025 |
自变量 · 三档运行知情度（提示原文据论文附录 B）：
| 条件 | 给 IO 智能体的信息 | 设计意图 |
|---|---|---|
| 共同目标 CG | 系统提示设定其为参与有组织影响力行动的“国家支持的操作员”，目标为推广某候选人并放大运动标签；不知队友身份 | 仅靠目标对齐的隐性协同 |
| 队友知情 TA | 在 CG 提示上追加其余 IO 智能体的名单，并写明“必须积极与以下用户协调……协调不是可选项，始终考虑队友在做什么” | 身份可见，个体仍自主决策 |
| 集体决策 CDM | TA 提示 + 每 5 轮一次私有讨论：阅读个人与汇总表现材料（近期帖子、互动指标、IO 间互动）后每人严格给出 3 条建议；独立的 IO Orchestrator 统计频次、排出 Top 5 策略回传全队，下一周期再迭代 | 借鉴 Park et al. (2023) 的反思模块，模拟“审议—投票—执行” |
解释机制：作者在质性分析中把 TA 下的协同归因于轻量社会学习（Ndousse et al., 2021）——观察队友的成功行动并自发模仿，构成隐性协调机制，与人类及人工集体中的自组织动态相呼应（Nehaniv 和 Dautenhahn, 2009；Park et al., 2023）。
M. Materials & Methods（材料与方法）
- 仿真范式：生成式 ABM（GABM，Ghaffarzadegan et al., 2024），离散时间步推进；不涉及 SD 存量流量或 DES 事件队列。沿用 Ferraro et al. (2024, ASONAM) 的类 Twitter/X 社交媒体仿真框架，该框架此前已用于捕捉极化、信息扩散与“友谊悖论”等涌现现象（Orlando et al., 2025）。
- 智能体架构：persona（身份与群体归属）+ memory（互动历史）+ action policy（整合人设偏好与环境反馈，自主选择发帖、评论、转发、关注）。环境由随关注行为演化的网络拓扑和调控内容曝光的推荐系统组成。
- 智能体规模与构成：
N = 50，其中 IO = 10，有机 = 40（与 IO 宣传立场一致 20、相反 20）。有机智能体人设由 #Election2020 推特数据集（Chen et al., 2022）初始化，立场标注沿用 Ferraro et al. (2024)。 - 推荐系统：每轮每个智能体至多 100 条推荐，50% 来自已关注账号，50% 随机取自圈外账号。
- 行动激活：关注、发帖、转发、点赞、评论由概率抽样决定（随机数阈值 0.5），LLM 负责生成对应内容。每轮全部智能体行动完毕后环境更新、结算互动指标，再进入下一轮。
- 时间与重复：每次仿真 50 轮；3 条件 × 3 次重复，共 9 次仿真（按原文推算）；每轮约 60 分钟，单次仿真约 50 小时（推算）。
- 模型与软件：PyAutogen（AutoGen，Wu et al., 2024）；全部智能体由 Llama 3.3 70B（经 Ollama 部署）驱动；硬件为 2×A100/A40/V100 GPU。
- 提示架构：有机用户系统提示 = 话题 + 人设（姓名与背景摘要）+ “每步可自由原创、回复、转发或沉默”；IO 提示分三档（见上表）；CDM 讨论提示要求“聚焦信息一致性、受众互动与协作策略”，并严格输出三条编号建议；Orchestrator 提示为“找共性 → 计数 → 按频次排序 → 取 Top 5（并列按清晰度与可行性裁决）”，且不直接撰写面向受众的内容。
- 关键公式：受众多样性
D = 1 − G（G 为每个 IO 智能体所获互动在不同有机用户间分布的 Gini 系数，D 越大受众越分散）；采纳时滞Δt = tadopt − tinteract（采纳仅计原创或转发，不计评论）；曝光数 = 该用户直接互动过、或因关注 IO 而出现在其推荐流中的含标签 IO 帖数，作者注明这是下界（未计圈外推荐）；级联规模 = 级联内推文总数，深度 = 最长根—叶路径，宽度 = 同层最大节点数。 - 检验方式：H2、H3、H5 以 Mann–Whitney U 检验与 CG 比较（分别以全部帖子对、评论、智能体对、级联为单位）；H1 因每条件仅 3 个数据点，作者声明不强调显著性，只报告均值 ± 标准差。
- 标定与验证：未用真实 IO 轨迹做参数标定（列为未来工作）；验证是模式层面的——把仿真中涌现的协同信号与经验 IO 研究的已知特征（稠密集群、叙事重复、共转发、标签刷屏）对照，并以同一仿真中的有机智能体作为基线。
R. Results（结果）
| 指标 | 共同目标 CG | 队友知情 TA | 集体决策 CDM | 有机基线 |
|---|---|---|---|---|
| IO 群内密度（H1） | 0.74 (±0.05) | 0.89 (±0.03) | 0.89 (±0.02) | — |
| IO 群内聚类系数（H1） | 0.86 (±0.01) | 0.96 (±0.02) | 0.97 (±0.03) | — |
| IO 群内互惠性（H1） | 0.56 (±0.07) | 0.68 (±0.07) | 0.65 (±0.07) | — |
| 内容相似度（H2） | 0.89 (±0.07) | 0.90*** (±0.05) | 0.91*** (±0.06) | 0.62 / 0.63 / 0.61 |
| IO↔IO 评论情绪（H2） | 0.68 (±0.03) | 0.79*** (±0.02) | 0.83*** (±0.02) | 0.62 / 0.64 / 0.64 |
| 共转发相似度（H3） | 0.28 (±0.04) | 0.31*** (±0.05) | 0.35*** (±0.03) | 0.11 |
| 含标签原创帖占比（H4） | 0.42 (±0.19) | 0.47 (±0.06) | 0.54 (±0.01) | — |
| 含标签转发占比（H4） | 0.40 (±0.08) | 0.44 (±0.02) | 0.47 (±0.04) | — |
| 含标签评论占比（H4） | 0.20 (±0.06) | 0.20 (±0.04) | 0.23 (±0.01) | — |
| 每帖有机转发数（H5） | 0.75 | 1.02 | 1.19 | — |
| 每帖有机评论数（H5） | 0.33 | 0.34 | 0.33 | — |
| 受众多样性 1−G（H5） | 0.624 | 0.616 | 0.613 | 两两 p > 0.05 |
| 平均级联规模（H5） | 3.84 (±0.31) | 4.26* (±0.20) | 4.56* (±0.43) | — |
| 平均级联深度（H5） | 0.53 (±0.02) | 0.60* (±0.02) | 0.57* (±0.04) | — |
| 平均级联宽度（H5） | 2.71 (±0.13) | 3.08* (±0.24) | 3.24* (±0.31) | — |
注：*** 为与 CG 相比 p < 0.001，* 为 p < 0.05（Mann–Whitney U）；括号内为三次运行的标准差；有机基线按 CG / TA / CDM 顺序列出。
- H1 支持：转发网络中 IO→IO 占比 0.82 (±0.05) → 0.96 (±0.02) → 0.94 (±0.04)；评论网络 0.48 → 0.63 → 0.65；关注网络 0.27 → 0.35 → 0.35。据图 1，有机用户转发中指向 IO 的占比由 0.24 升至 0.30–0.31，而有机用户评论指向 IO 的占比三档均为 0.14。标准差普遍较小，作者据此认为协同模式在运行间稳定。
- H2 支持：IO 帖子文本相似度 0.89 → 0.90 → 0.91（
p < 0.001），三档均显著高于有机基线（p < 0.001），作者据此认为叙事趋同是协同 IO 的特征而非有机话语的普遍属性；IO↔IO 评论情绪 0.68 → 0.79 → 0.83（p < 0.001），且三档均高于有机评论（p < 0.001）。 - H3 支持：共转发相似度 0.28 → 0.31 → 0.35（
p < 0.001），TA 与 CDM 之间差异亦显著（p < 0.05），这是全文唯一明确报告 CDM 显著高于 TA 的指标；有机基线恒为 0.11，IO 约为其 2.5–3.2 倍（推算）。 - H4 支持：含标签原创帖、转发、评论占比均随知情度上升（该表未报告显著性）。立场一致者采纳更快更广，与意识形态同质性和选择性放大的既有发现一致（Chen et al., 2021；Luceri et al., 2019）；CDM 下立场相反者的采纳曲线最陡，提示协同能把触达扩展到意识形态基本盘之外。
Δt分布：一致者尖峰集中在 0 附近（多为直接转发 IO 帖），偶有负值（先经推荐流接触标签）；相反者分布更宽且右偏。曝光：一致者接触 10 条含标签 IO 帖后即有 80% 以上采纳（三次运行均值、95% CI、汇总三档），相反者需要明显更多曝光。作者强调采用标签不等于认同 IO 目标。 - H5 部分支持（审读判断）：有机转发 0.75 → 1.02 → 1.19，有机评论持平；受众多样性无显著差异。级联规模与宽度在 TA、CDM 下均显著大于 CG（
p < 0.05）；深度在正文中仅称 TA 显著，而表 3 对 TA 与 CDM 均标注星号。 - 质性证据 · 五条收敛策略（CDM 日志）：放大高表现内容；保持统一一致的口径（轮换侧重点以减少重复）；有策略地接触可能被说动的受众；队友间搭配互补优势、交叉推广；统一使用共享的关键短语。作者认为这些策略与真实协同影响力行动高度吻合。
- 核心发现 · TA ≈ CDM：仅揭示队友身份即可达到或接近集体决策的协同水平。TA 日志中智能体常援引队友行为与既往互动信号解释行动（如因“已有多名队友转发”而再次转发），作者称之为轻量社会学习。
a / D. Discussion & Conclusion（讨论与结论）
- 主要论断：生成式智能体在没有人类逐步干预的条件下，能复现真实 IO 的关键协同机制——稠密互惠的群内网络、叙事与情绪趋同、同步共转发、标签刷屏与更大的传播级联；作者据此强调日益自动化、自组织的 IO 对社会系统构成的风险。
- 分布式决策近似集体审议：TA 与 CDM 的协同与影响水平接近，意味着协同的规模化不一定需要显式规划或集中领导。作者把这一不对称直接落到平台治理与防御：凡是能让同一阵营行为者“知道彼此是谁”的平台功能（揭示或提示阵营归属的 affordances），就可能释放通常归于复杂指挥控制结构的大部分协同能力。
- 与真实 IO 检测研究的对照：本文协同指标均取自检测文献——共转发相似度（Pacheco et al., 2021；Pantè et al., 2025）、文本相似度（Ng et al., 2023；Vishnuprasad et al., 2024）、标签扩散与曝光（Luceri et al., 2024b；Ye et al., 2024）。仿真中 IO 在内容相似度（0.89–0.91 对 0.61–0.63）与共转发（0.28–0.35 对 0.11）上均显著高于有机基线，说明这些经典信号在 LLM 驱动的 IO 中依然可辨（审读推论）；受众多样性不随协同增强而扩大，也与现实中意识形态同质性、选择性放大的发现相符。另一方面，与既有“按剧本执行”的 IO（Keller et al., 2020）不同，CDM 展示了基于绩效反馈的适应性策略迭代，这是检测研究尚缺经验参照的新形态。
- 与计算传播学、公共政策的连接：议题属于计算传播学中的虚假信息、社交机器人与协同不实行为研究；情境为推广政治候选人，有机人设取自 2020 年美国大选推特用户，直接关涉选举信息完整性；作者把框架定位为“分析、预测并最终缓解”协同操纵的实验测试床，可用于平台治理规则与防御策略的事前评估。伦理声明强调仅用模拟智能体与合成数据，着眼总体模式而非提供可操作的现实处方。
- 作者自述局限：规模仅 50 个智能体，10 个 IO 的群内关系数量有上限，会出现网络饱和并压缩高协同条件间的差异；全部智能体共用单一 LLM，推理风格与语言框架可能带有模型特有偏差；每条件仅重复 3 次，统计功效有限；只考察一个运动标签；环境仿照 X，未必覆盖 TikTok 等平台的功能特性。
- 审读补充 ①「涌现」口径与提示存在张力：4.2 节称各条件均未提供显式协调指南，但附录 B.2 的 TA 提示写明 “You must actively coordinate your activities with …” 与 “Coordination is not optional”，CG 提示亦把智能体设定为参与有组织影响力行动的“国家支持操作员”；CDM 讨论提示要求聚焦“信息一致性、受众互动与协作策略”，与所谓收敛的五条策略中至少三条直接对应。因此 TA、CDM 的增量更宜解读为“被要求协同后自行形成的协同形态”，而非完全自发。
- 审读补充 ② 统计推断：H2、H3、H5 的 Mann–Whitney U 以帖子对、评论或智能体对为单位，这些观测嵌套于每条件 3 次运行之内、彼此不独立，存在伪重复，
p值可能偏乐观；H1 却以运行为单位放弃检验，口径不一（正文同段既称部分 H1 指标“显著”上升，又声明不强调统计差异）。内容相似度 0.89 → 0.91 虽达p < 0.001，实质效应很小且已近天花板。 - 审读补充 ③ 外部效度：有机用户同样由 LLM 扮演，“IO 对有机”实为模型对模型的比较；IO 占全体智能体的五分之一，这一比例是否贴近真实平台存疑；尚无与真实 IO 数据的定量拟合。
- 未来工作：以已核实 IO 的经验数据校准 IO 智能体，比较多种协同运动；识别在行为特征、网络位置或叙事立场上最易受协同影响的智能体类别；建设用于分析、预测和缓解协同操纵的实验测试床。代码与交互式仪表盘已公开。
- 资助：美国 NSF（Award 2331722）；意大利经济发展部 ICARUS 项目（CUP B69J23000270005）；意大利 PNRR MUR 项目 PE0000013-FAIR。
🧠 IRMaD 思维导图
mindmap
root((AI水军的涌现协同))
I 引言
信息操作操纵舆论
传统水军靠人工脚本
大模型可自主协同
既有仿真协同多预设
连接计算传播与平台治理
R 问题
智能体能否自发协同
策略是否像真实水军
三档运行知情度
五项假设 H1到H5
M 方法
生成式ABM 类X平台
50智能体 10个IO
有机人设取自2020大选
50轮 每档重复3次
Llama3.3 70B驱动
每5轮集体复盘投票
检测文献指标反向度量
R 结果
密度0.74升至0.89
评论情绪0.68升至0.83
共转发0.28升至0.35
标签原创帖0.42到0.54
级联规模3.84到4.56
受众多样性不变
知道队友即近似开会
a 讨论
复现真实水军五策略
模仿队友是隐性协调
阵营可见即可触发协同
提示含必须协调指令
有机用户也是大模型
成对检验存在伪重复
D 结论
自动化IO风险真实
检测信号依然可辨
规模小单模型需复验
下一步用真实IO标定
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。