PRISM：人格驱动的社交媒体多智能体仿真框架

🎓 专业 IRMaD 结构解读

I. Introduction（引言）

社交媒体上的意见极化，不只是内容与算法的问题，也是“什么性格的人在什么情绪状态下说话”的问题。主流意见动力学 ABM 长期依赖同质性假设：统一的更新规则、统一的情绪阈值、统一的易感染系数。该假设在结构性变量上尚可勉强成立，但一旦进入争议话题，就会抹掉真正驱动分化的心理异质性——有人习惯压抑情绪，有人高度易感，有人以对抗为默认姿态。既有研究大致分两支：一支以网络结构解释扩散（Bakshy 等 2012；Li 等 2024 的 LLM 新闻扩散仿真），另一支以人格计算刻画个体差异（Big Five 连续特质模型、MBTI 分型 agent）。Y Social 等 MLLM 数字孪生框架证明了大模型驱动 agent 的可行性，但其人格实现多停留在提示词层面的浅层设定；已有的 MBTI agent 工作（如 Braz 等 2022 的团队仿真）则缺少数据驱动的先验校验。本文的缺口陈述因此很具体：现有 agent 群要么用合成分布初始化、缺乏经验保真度，要么把人格当作静态标签、与情绪的时间演化脱钩。PRISM 宣称的三点贡献是：以 47,207 个真实讨论话题标定 MBTI 先验；用 SDE 承载连续情绪、用 PC-POMDP 承载离散发言决策，形成混合动力学；在 1,000 个未见争议话题上相对同质与大五基线取得更低极性误差与更高行为一致性。对公共管理与传播研究而言，其价值在于提供一种可低成本做“性格构成—干预—极化”反事实推演的工具原型。

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

理论骨架由三块拼成：MBTI 的离散认知分类、以贝叶斯后验形式给出的情绪先验，以及“连续情绪—离散决策”的耦合结构。作者明确把 MBTI 与 Big Five 对立起来：后者用标量调节行为，前者把人分进 16 个格子里，从而可以把“辩论者”“调停者”这类角色直接映射为可执行的交互策略。四个二分维度在仿真中承担不同职能，见下表。

先验采用带 Dirichlet 平滑的极大后验估计：θ̂_ik = (N(e_k,T_i)+α) / (Σ_j N(e_j,T_i)+Kα)，α = 1.0，用以抑制稀有情绪类别的过拟合。作者进一步用香农熵 H(T_i) = −Σ_k θ̂_ik log2 θ̂_ik 给出“理性抑制”的可检验表述：T 型质量集中于 Neutral，熵最小；F 型质量分散，熵最大。为避免无监督情感标注的“虚假精度”，再做一次粗粒化，把参数投影到步长 ε = 0.05 的离散流形并按 Z 归一化。这一处理在方法上是诚实的，但也意味着后续所有“精确到小数点后两位”的差异都应视为带量化的相对比较。

耦合层是一个跳扩散过程。连续情绪 e_i(t) 服从多元 Ornstein–Uhlenbeck 过程：de_i = Θ_T(μ_T − e_i)dt + Σ_T dW_t + J_in(t)，Θ 为刚度矩阵、Σ 为内在波动、W 为维纳过程；收到消息时以 J_in(t) = Σ_k δ(t−t_k)·Ψ_T·v(ω_k) 施加冲击，v 为效价—唤醒向量，Ψ 为易感矩阵，F 型的谱范数被设定为大于 T 型。离散层是一个 PC-POMDP 三元组 ⟨S, Ω, π_T⟩，仅当 U_ij(t) = w1·G_ij + w2·‖e_i−μ_T‖₂ + w3·I_mention 超过类型阈值 Γ_T 时才触发回复；G_ij 为结构社会压力，第二项把“越激动越可能开口”写进模型，第三项为 @ 提及。这一阈值激活机制取代了轮询发言，是全文最值得借鉴的设计。

M. Materials & Methods（材料与方法）

方法上是 ABM 与随机动力学、部分可观测决策过程的混合仿真，而非纯 SD 或纯 DES。agent 规模为 16 个，对应 MBTI 的 16 型；每个 agent 由一个多模态大语言模型扮演，基础模型为 Qwen3-8B-VL，使用 Role-Conditioned Instruction Tuning（RoleCIT）微调 5 个 epoch 得到类型化角色画像，训练在 8×NVIDIA A100（80GB）上完成。原文未报告时间步长、单次仿真的步数与重复运行次数，也未说明 agent 之间的网络拓扑，这三点是复现时最关键的缺口。

• 标定数据：公开社媒语料，含 47,207 个讨论话题、逾 300,000 条评论及对应情感分；MBTI 与情感标签均由 GPT-4o 自动标注，作者以 distant supervision 切分情感标签，再按类型聚合出后验分布（Fig. 1）。
• 先验参数：Dirichlet 平滑 α = 1.0；概率粗粒化步长 ε = 0.05；情绪集 E = {e_1,…,e_K}，K 未在正文给出，从个案看至少含 Neutral、Consoling、Happy、Frustration、Anger 五类。
• 动力学参数：刚度 Θ_T、波动 Σ_T、易感 Ψ_T、阈值 Γ_T、权重 w1–w3 均按类型设定，但正文只给出定性序关系（‖Ψ_F‖ > ‖Ψ_T‖、J 型刚度高于 P 型），未给出具体数值。
• 评价指标：Polarity Error 以 MAE 度量智能体情绪轨迹与“真实”情感轨迹的分布散度；Consistency 以 Spearman 秩相关 ρ 度量生成行为与理论人格先验的一致性。
• 基线：HRA（确定性规则的同质理性 agent）、RBM（随机行为模型）、BFPM（Big Five 连续特质模型）。
• 测试设置：1,000 个未见过的争议话题用于宏观评估；个案为“全城暴雨预警”情景下的 16 人对话，观察点 t = 21。
• 消融：逐一中性化 S/N、J/P、E/I、T/F 四个维度，用 Wilcoxon 符号秩检验判断相对完整模型的偏差显著性。

还有两点方法学细节值得记录。其一，作者为每个维度都给了“角色—职能”解释：E/I 是“互动催化剂”，T/F 是“极性决定项”，这与消融排序相互印证，说明设计并非事后拼凑。其二，情感先验与评价指标同源——两者都来自同一批 GPT-4o 标注，Consistency 的理论先验也正是初始化时注入的先验，这使 ρ 的高值部分来自构造而非预测。

R. Results（结果）

结果分三层：单 agent 能力、群体层面的基线比较、维度消融。单 agent 层面用 EQ-Bench 衡量，16 个角色相对原始 Qwen3-8B-VL（70.12）呈现系统性分化：Feeling 型全部高于基线，ENFJ 最高（81.48，+11.36），ENFP 80.78、INFJ 80.36 次之；Thinking 型全部低于基线，ENTJ 69.06（−1.06）最高，ISTP 61.97（−8.15）最低。外部参照 GPT-5.1 为 88.14（+18.02）。作者把 Thinking 型的“掉分”解释为对低情绪画像的忠实，但该解释同时意味着这组 agent 的一般语言能力可能被角色提示削弱，二者在现有设计下无法分离。

群体层面见表 II。PRISM 的极性误差为 0.14 ± 0.03，一致性 ρ = 0.782（p < 0.01）；大五基线 BFPM 为 0.21 ± 0.05、ρ = 0.613（p = 0.05）；同质理性基线 HRA 为 0.42 ± 0.08、ρ = 0.154（p = 0.12）；随机行为基线 RBM 最差，0.55 ± 0.11、ρ = 0.021（p = 0.85）。相对 HRA 的 66.7% 降幅正是摘要头条数字的来源；若以当前最强的 BFPM 为参照，降幅为 33.3%。传播该结论时必须同时说明参照系。

消融见表 III。完整模型为 0.140/0.782；去掉 S/N 后误差升至 0.160（+14.3%）、ρ 降至 0.741（−5.2%）；去掉 J/P 为 0.190（+35.7%）/0.692（−11.5%）；去掉 E/I 为 0.220（+57.1%）/0.588（−24.8%，∗）；去掉 T/F 的破坏最大，误差 0.320（+128.6%）、ρ 0.453（−42.1%，∗∗）。排序与理论预期一致：T/F 决定情绪极性，E/I 决定互动节奏，S/N 与 J/P 主要影响细节质感。但消融只报告点估计与显著性星号，未给出重复次数与置信区间，“中性化”的具体实现（置为均匀分布还是置为群体均值）原文也未交代。

个案层面，作者报告了一个清晰的分岔。ENTP 角色在 t = 21 质疑城市排水能力（“downtown pumps will fail within 2 hours”），产生高唤醒冲击 J_in；随后 Analyst（NT）型角色情绪跌至 −0.75，Diplomat（NF）型角色维持在约 0.1 并以建设性话语缓冲恐慌。作者将此称为“理性抑制”与“情感共振”两种涌现现象，并称体系还能复现回声室。需要说明的是，这一案例是单次运行的轨迹展示，既无重复运行的方差，也无与真实事件数据的对照，只能作为机制演示而非证据。

a / D. Discussion & Conclusion（讨论与结论）

• 理论贡献：把“离散人格类型 → 可执行策略”这条链路做实，并用消融给出各维度的相对重要性，在 MBTI agent 文献中相对少见；SDE + PC-POMDP 的耦合也确实针对了传统 ABM 的“状态失忆”问题——情绪状态在两次交互之间连续演化，而非每次发言后重置。
• 效度风险：一是标签效度，MBTI 在临床心理学中争议很大，GPT-4o 自动打标的准确率未做人工校验；二是循环论证，Consistency 的理论先验与初始化先验同源，ρ 的高值不能单独作为拟真证据；三是外部效度，所谓 ground truth 是同一数据集的情感标签，而非独立采集的人类轨迹；四是模型单一，全部实验只用一个 8B 基座，未见跨模型复现。
• 可复现性：原文未给出代码与数据链接，未报告时间步长、仿真时长、重复次数、随机种子与网络拓扑；动力学参数只给序关系不给数值；消融的中性化操作未定义。以当前信息，第三方无法完整复现表 II 与表 III。
• 公共管理与传播连接：最直接的应用是平台治理与风险沟通的反事实推演——调整 agent 的性格构成（如提高 F 型比例）、修改发言阈值 Γ、改变情绪传染强度 ‖Ψ‖，观察极化指标如何响应；个案中的“暴雨预警”提示其可用于灾害风险传播的舆情预演。要用于政策沙盘，至少还需三项补强：以真实平台的干预实验（限流、事实核查提示）做外部校准；显式建模网络拓扑与推荐算法；报告多次运行的分布而非单条轨迹。
• 总体判断：作为方法原型，PRISM 的机制设计有新意、消融较系统；作为实证结论，“性格分型优于连续打分”目前只有自洽性证据支持，尚不足以支撑强因果表述。摘要中的 66.7% 应同时标注其参照系为最弱的同质基线。