事件牵引的多智能体模拟器：刻画美国公众对华态度的演变

🎓 专业 IRMaD 结构解读

I. Introduction（引言）

议题源流：国际关系中的公众态度（本文聚焦美国公众对华态度）被视为地缘政治风险评估的关键输入。作者援引《Destined for War?》及“美国媒体消费模式与对华敌意”研究，指出忽视态度变动可能导致误判并抬高冲突风险；而传统的问卷与专家分析资源密集，难以捕捉舆论的快速、连续演化。

方法谱系与文献空白：

• 经典 ABM：有界信任（BC、HK）、相对一致（RA）、态度变迁的社会判断类模型（SJ）及基于心理学理论的计算实验（LR）等，以固定数学规则决定邻居选择与信息接受，难以刻画人类决策的异质性与认知复杂性。
• LLM 驱动的社会模拟器：Generative Agents 以 25 个智能体模拟小镇日常；OASIS、AgentSociety 把规模推向大规模社会，研究情绪传染与虚假信息扩散。但用于意见动力学时多采用静态交互协议 + 预采集数据集（如 HiSim、S3），缺少持续的外生输入，无法表达双边关系的事件驱动特性。
• 流式新闻驱动的聚合式模拟：已有工作（文献 13，美中认知去偏）以每日新闻驱动大量智能体各自独立生成观点再聚合，忽略点对点交互，既无法建模意见的社会扩散，也使智能体困于孤立视角，形成“信息茧房”。

本研究贡献：（1）构建 CURE 数据集（China–U.S. Relation Evolution），覆盖 2021–2025 年 20 个季度，含 258 个重大事件与 14,650 篇日常新闻；（2）提出双流数据融合引擎 DSDIE，以宏观重大事件把模拟锚定在历史时间线上，以个性化新闻摄入维持认知多样性；（3）提出新闻驱动动态交互模块 NDDI，按共同关注的新闻动态组群，实现自下而上的共识形成。三者合成 ES-MAS（Event-Steered Multi-Agent Simulator）。

与传播学与公共事务议题的连接：本文实质是一个国际舆论的计算传播模拟问题，牵涉媒介事件对舆论的冲击、受众的选择性接触、同质性聚群与信息茧房，以及大众意见如何在外部信息环境中形成（作者引用《The Nature and Origins of Mass Opinion》）。若经更严格验证，可作为公共外交效果推演与涉外政策舆情风险评估的工具原型。

I. Theoretical Framework & Hypotheses（理论框架与假设）

论文没有提出形式化假设，而是以“微观个体认知 → 群内互动 → 宏观态度轨迹”的涌现逻辑组织模型，并用消融与敏感性实验逐一检验各机制。其理论依据主要有三条：一是意见动力学中联结微观互动与宏观现象的传统（Schelling《Micromotives and Macrobehavior》、DeGroot 式共识模型）；二是 LLM 能再现政治极化、内群体偏好、认知失调等人类认知现象的证据（文献 22–24），这是用 LLM 替代启发式规则的前提；三是外部信息环境（大众媒体与关键外生事件）塑造认知轨迹的观点。下表把机制、模型组件、理论依据与检验方式对应起来（检验方式由本报告据实验设计归纳）。

范式定位：ES-MAS 属于 LLM 驱动的 ABM（生成式智能体），离散时间推进，不涉及 SD 或 DES。它不预设固定社交网络，交互拓扑在每一步按“是否对同一新闻做出行为”重新生成，用共同关注近似同质性纽带，用“多个群之间共享成员”近似小世界网络的跨群连接。

M. Materials & Methods（材料与方法）

• 系统形式化：S = {A_1, …, A_N}，A_i = {a_i, P_i, M_i}。人设 P_i 含姓名、年龄、性别、兴趣、性格、政治观点，“基于人口统计分布构造”（引 ElectionSim 与一条未解析引用），正文未给出分布来源、抽样权重与党派构成。记忆 M_i,t 在 t = 0 初始化。
• 时间结构：季度步长，t ∈ {1, …, 20}，对应 2021–2025。每步每个智能体输出态度分 O_{i,t} ∈ [−10, 10] 与行为 B_{i,t}（Post / Retweet / Reply）；宏观轨迹由聚合全体 O_i,t 得到（正文写作 aggregating，未写明是否为算术平均）。
• DSDIE 双流数据：D_{i,t} = {S_t, I_{i,t}}。SEIM 在每步前把当季全部重大事件 S_t = {s_{t,1}, …, s_{t,L}} 暴露给所有智能体，每个事件含 ID、标题、日期、内容；PAIM 从随机候选池 W_t（规模 100）中按人设、近期记忆与当季事件由 LLM 选出 top-K 条：I_{i,t} = LLM(F_ingest(S_t, W_t, P_i, M_{i,t}))，K = 24。
• NDDI 动态组群：对同一新闻做出行为的智能体归入同一群 G_{t,k} = {a_i ∈ A | E(a_i, I_{i,t,k}) = 1}；群内决策 O_{i,t}, B_{i,t}, M_{i,t} = LLM(F_act(D_{i,t}, P_i, M_{i,t−1}, R_{i,t,k}))。参考信息流 R = C ∪ V：C 为群内他人可见回复；V 为按推荐分排序取 top-τ 的同群同类行为，S^rec_{i,j,t} = Φ(B_i, B_j) · exp(−β(t − t_p))，前项为内容对齐度，后项为时效衰减。记忆更新 M_{i,t,k} = {SF(M_{i,t}), R_{i,t,k}}，SF 为自反思历史意见提取。下一步随新新闻重新组群。
• 配置：智能体推理 GPT-4o-mini；嵌入 text-embedding-3-large；记忆衰减率 β = −0.1；推荐列表 τ = 8；N = 100；T = 20；全程超过 70,000 次智能体—新闻交互。
• CURE 数据集：重大事件取自政策情报平台 China Briefing，涵盖首脑会晤、贸易制裁、科技限制、外交冲突，共 258 个（2025 年最多，90 个）；日常新闻经《卫报》开放平台 API 按关键词 “China” 与 “U.S.” 在政治、经济、科技、环境等类别检索，得到 30,000 余篇，再用 Qwen3-8B 判断是否与中美关系演变相关，保留 14,650 篇（年均 2,900 余篇）。正文未报告过滤准确率或人工校验。
• 真值（验证数据）：清华大学国际关系研究院“中国与大国关系数据库（1950–2025）”，按月更新，提取 2021–2025 分数。正文未说明月度到季度的聚合方式，以及与 [−10, 10] 态度量表的换算。
• 评价指标：数值对齐用 ΔBias（均值偏差）与 ΔDiv（方差稳定性）；时间动态用 DTW（动态时间规整）与 Fréchet 距离；四项均越低越好。
• 基线：规则型 ABM 共五个，即 BC、HK、RA、SJ、LR；LLM 模拟器共三个，即 FPS（信念确认与共识形成）、SOD（确认偏误与共识）、HiSim（LLM 与传统 ABM 混合扩展）。正文未说明基线是否同样接入 CURE 事件与新闻。
• 标定与验证方式：正文没有独立的参数标定或搜索程序，β、τ、K、候选池规模、N 的取值依据未交代；验证是在同一 2021–2025 时段做样本内历史回放，没有留出期预测。稳健性检验包括：六组组件消融、五档初始均值（−7.6、−3、0、3、7）、五档规模（25、50、100、200、500）。正文未报告随机种子、重复次数或置信区间；多处写“详见附录”，但 v3 HTML 与 10 页 PDF 均无附录，也未见代码链接。

R. Results（结果）

表 II · 宏观对齐评测（越低越好）

• 相对各指标次优者，ES-MAS 的 ΔBias 低 0.922（对 FPS）、ΔDiversity 低 0.3022（对 HiSim）、DTW 低 4.7765（对 FPS）、Fréchet 低 0.387（对 FPS）。
• LLM 基线并非一律优于规则 ABM：RA 的 ΔBias（1.6639）优于 HiSim（1.8936）与 SOD（4.1018），SOD 在四项指标上均不及 RA。

表 III · 组件消融

• DSDIE：去除后 ΔBias +0.9217、DTW +3.7361，是 ΔBias 上最差的设定。正文称其“退化最严重”，但在 ΔDiv、DTW、Fréchet 上 Only PAIM 更差，以表为准。
• SEIM：w/o SEIM 四项分别为 1.2386 / 1.3714 / 5.2251 / 2.8650；Only SEIM 的 ΔBias（1.1613）优于 w/o SEIM，作者据此认为重大事件是整体态度基线的主要决定因素。
• PAIM：去除后 ΔBias +0.5227、DTW +1.7915，作者解释为缺少个性化摄入会被宏观趋势整体牵引，产生人为共识。
• NDDI：去除后 ΔBias +0.3410、ΔDiversity +0.4219，作者解释为缺乏信息交换、困于信息茧房；但就 ΔBias 而言，这是六个消融设定中最接近完整模型的一个。
• Only PAIM vs Only SEIM：仅日常新闻 ΔBias 1.4529、DTW 6.7676，均劣于仅重大事件（1.1613、4.9091）。

表 IV · 规模分析

• ES-MAS 在 N = 100 时四项最优。作者将 N > 100 后的退化归因于复杂交互催生更极化的意见，但正文未给出极化指标。
• FPS 在 N = 200 时 ΔBias 跃至 6.0051，N = 500 时 DTW 达 28.5097，作者称其“无法收敛”；ES-MAS 在 N = 500 时 ΔBias 为 1.3275、DTW 为 6.2304。
• 性能随规模并非单调：N = 25 优于 N = 50，N = 500 优于 N = 200。正文“增加智能体先提升精度”的表述与表不完全一致。
• 敏感性与微观案例：五档初始均值下 Fig. 5 显示趋势一致，未给数值；Fig. 6 展示 Mike 与 Ella 在芯片出口禁令、伍德赛德峰会前后的态度轨迹与理由，属定性展示。

a / D. Discussion & Conclusion（讨论与结论）

• 理论意义：事件流与新闻流的分工。Only SEIM 优于 Only PAIM，完整模型又优于二者，支持“重大事件决定态度基线、日常新闻提供异质性细节”的双层信息环境设定。这与议程设置、媒介事件冲击舆论的传播学直觉一致，也给 LLM 社会模拟提供了一个可复用的外生输入结构。
• 交互拓扑的传播学含义。以“共同对某条新闻做出行为”动态生成群组，是对同质性聚群与平台话题圈的轻量近似，比固定社交图更贴近注意力驱动的在线讨论；“多群共享成员实现全局扩散”对应小世界网络的弱连接逻辑。
• 信息茧房主张证据偏弱。NDDI “缓解信息茧房”是机制叙述：正文没有测量曝光多样性、群际意见距离或极化指数，只用聚合对齐指标间接支持；且 w/o NDDI 的 ΔBias（0.9177）是所有消融中最低的。
• 构念效度（核心局限）。题目与摘要指向“美国公众对华态度”，验证真值却是清华 TUIIR 的中美关系分数，作者自己也把它描述为刻画双边对抗与缓和的指数，并非美国公众民调。模拟轨迹与关系指数吻合，不能直接推出模拟了美国民意；两者都以重大外交与经贸事件为锚，拟合优度可能部分来自“事件→关系指数”的共同驱动，而非个体舆论机制。
• 可能的信息泄露（本报告判断）。GPT-4o-mini 的预训练语料很可能覆盖模拟时段的部分报道；而完全不接入现实数据的 w/o DSDIE 设定，ΔDiv（0.7999）与 DTW（6.1764）仍优于全部八个基线，提示轨迹形状可能部分来自模型先验或未披露的提示设定，需要用模型知识截止之后的时段做留出检验。
• 基线可比性。规则型 ABM 按固定规则更新，正文未说明是否同样接入 CURE 的事件与新闻；若没有，比较混淆了“有无外生信息”与“交互机制优劣”。
• 统计与标定。仅 20 个季度点，没有重复运行、随机种子或区间估计；β、τ、K、候选池规模、N 的取值依据未交代，默认 N = 100 恰为规模实验最优点，存在在评测集上选参的可能；全程为样本内回放，没有预测检验。
• 数据与画像。新闻只来自《卫报》单一英国媒体，未覆盖美国党派媒体与社交平台；Qwen3-8B 相关性过滤未报告准确率；人设含“政治观点”，但没有按党派报告态度分化；β = −0.1 与公式 exp(−β(t − t_p)) 符号冲突；附录缺失，提示词与 F_ingest、Φ、SF 的实现不可复现。
• 实践启示。若补上民调真值（按党派或人群分层）、留出期预测与重复运行，这类“事件牵引 + 群内互动”的 LLM-ABM 可用于公共外交情景推演（如会晤、制裁、关税调整的舆论冲击预估）和涉外舆情风险监测。作者在伦理声明中强调防范舆论操纵，要求透明监管、授权与使用边界；CURE 仅用公开新闻与事件记录，不涉及个人身份信息。
• 结论。ES-MAS 在机制组合上有新意，在其自建基准上四项指标全面领先；但真值选择、样本内验证与可复现性不足，决定了它目前更适合看作国际舆论模拟的方法原型，而不是可靠的民意预测器。正文未见资助信息。