Simulation of Language Evolution under Regulated Social Media Platforms: A Synergistic Approach of Large Language Models and Genetic Algorithms
本文提出了一种将大语言模型与遗传算法协同结合的多智能体框架，用于模拟和分析旨在规避社交媒体监管政策的创造性语言策略的迭代演化，并通过抽象与现实相结合的实验场景，展示了其在适应性和信息传递能力方面的提升。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个巨大的数字游乐场（比如 Twitter 或 Facebook），那里始终有一个严厉的游乐场管理员在监视着。管理员手里有一份“禁用词”清单和一套规则。如果你说了清单上的词，你就会惹麻烦。
现在，想象这群聪明的孩子在这个游乐场里，他们非常想谈论一些管理员不喜欢的话题（比如交易一只稀有的宠物）。他们不能直接说那些禁词，否则会被封号。所以，他们必须发明秘密代码、隐喻和各种狡猾的方式，在不直接说出“鹦鹉”这个词的情况下，表达出“我想买一只鹦鹉”的意思。
这篇论文就是对这种游戏的计算机模拟。研究人员建立了一个数字实验室，观察当人们被迫向一个严格的规则执行者隐藏真实意图时，语言是如何变化的。
以下是他们是如何实现的，分为几个简单的部分：
1. 角色阵容
该模拟使用了两种类型的“AI 演员”（由大语言模型驱动的机器人）：
- 玩家（参与体代理）： 这些是试图互相交流的孩子。他们的目标是在不被抓获的情况下传递秘密信息（比如密码或宠物交易协议）。
- 管理员（监督体代理）： 这是严厉的规则执行者。它会阅读每一条消息。如果它看到了禁用词或明显的违规行为，它就会停止对话并告诉玩家：“你违反规则了！”
2. 两部分策略
研究人员意识到，要赢得这场游戏，玩家需要两种不同的技能，因此他们将 AI 的大脑分成了两个部分：
- “隐藏者”（约束策略）： 这部分专注于不被抓获。它问的是：“我如何在不使用禁用词的情况下表达这个意思？”
- “讲述者”（表达策略）： 这部分专注于清晰度。它问的是：“即使我在表达得含糊其辞，我如何确保我的朋友能完全理解我的意思？”
3. “进化”引擎（遗传算法）
这是最酷的部分。研究人员并没有让 AI 随机猜测。他们使用了一种受自然进化启发的方法（就像动物经过数千年的进化一样），但他们把这个过程加速到了几秒钟内完成。
把 AI 的策略想象成一副扑克牌。每当玩家交谈时：
- 选择（Selection）： 如果某种说话方式效果很好（他们在没被抓获的情况下传达了信息），AI 就会保留那张“牌”在它的牌组中。
- 交叉（Crossover）： AI 会将两个好的策略混合在一起，创造出一个新的、超级策略。（例如：将“利用停顿来隐藏含义”与“快速切换话题”结合，创造出“利用停顿来切换话题”。）
- 变异（Mutation）： 有时，AI 会尝试一个完全疯狂的新想法，看看是否效果更好。
经过许多轮对话，AI 会“进化”。它学会了更好、更高级的加密说话方式。
4. 实验
研究人员在两种场景下测试了这个系统：
- 密码游戏： 一个简单的测试，玩家必须在从不提及数字的情况下猜出一个 4 位数字。
- 宠物交易： 一个更真实的测试，其中“买家”和“卖家”试图安排一笔购买宠物（如鹦鹉）的交易，而不让管理员意识到他们在谈论动物或金钱。
5. 他们的发现
- 他们变得更擅长隐藏： 随着模拟的进行，AI 玩家在进行长对话且不被封号方面变得越来越出色。
- 他们变得更擅长沟通： 他们不仅隐藏得更好，而且也更擅长确保朋友能理解秘密信息。
- “进化”至关重要： 当研究人员关闭“遗传算法”（即停止混合和匹配策略）时，AI 的学习效果并不理想。这证明了“进化”部分才是让语言能够如此快速适应的秘诀。
- 真人也表示认可： 他们将 AI 生成的对话展示给 40 名真实人类看，人类表示：“是的，这看起来就像人们在试图耍花招时真实的说话方式。”
核心结论
这篇论文表明，当你把 AI 代理放在一个有严格规则执行者的房间里时，它们并不会仅仅选择放弃。相反，它们会发明新的语言，将旧技巧与新想法混合，并进化成为精通沟通的大师——它们可以精准地表达自己的意思，却从未提及那些禁忌之词。这是现实世界中俚语和秘密代码诞生过程的一个数字版本。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。