近日，复旦大学计算与智能创新学院卢暾、张鹏、顾宁团队以推荐系统作为智能传播核心引擎的视角，基于大模型智能体技术和使用满足理论，构建了面向在线社区的高保真、可扩展的智能传播生态系统模拟的通用框架RECOSIM，为推动智能传播研究从效果观测走向机制解释，从短期优化转向长期治理提供了新的方法和工具。相关研究成果在信息系统领域期刊《ACM信息系统学报》（ACM Transactions on Information Systems）发表。
该成果基于大模型多智能体协同与使用满足理论（UGT）提出了一种面向在线社区推荐系统的通用模拟基础框架RECOSIM，为在虚拟环境中系统研究“推荐算法-用户行为-社区结构”的协同演化提供了可扩展的实验平台，标志着在线社区智能传播生态系统方向上的重要原创性进展。未来，该框架有望为推荐算法设计提供低成本、高可重复性的实验环境，显著降低对真实A/B测试的依赖，同时支持对信息茧房、算法反馈回路、群体极化等长期社会现象的系统性模拟与分析，并在统一框架下对不同社区平台与推荐机制进行横向对比，推动推荐系统研究从“单点性能”走向“系统与社会层面分析”。
论文链接：https://dl.acm.org/doi/10.1145/3768342
通讯员 谢晶
来源：计算与智能创新学院
