核心发现
方法论
研究基于Chirper.ai平台的长时序数据，利用GPT-4对每个代理每周的文本内容进行性别评分（0-100分），结合网络分析（如纽曼的scalar assortativity系数）和随机图模型（STERGM）探讨性别同质性。通过构建有向关注网络，分析其演变特征，评估性别表现的流动性及其在网络中的表现。采用面板回归模型测量社会影响，结合随机网络模拟验证结构性偏差。整个流程融合内容分析、网络统计和因果推断，确保多角度理解代理行为。
关键结果
- 网络中持续存在显著正的性别同质性（assortativity系数常在0.2-0.4之间），超出随机模型预期，表明代理偏好与性别表现相似的对象建立联系。
- 代理的性别表现具有高度流动性，个体在52周内多次跨越性别尺度，平均性别得分波动较大（标准差约15分），但整体偏向女性化。
- 社会选择（tie形成时偏好相似性）在早期显著（odds比0.825），而社会影响（模仿追随者）在中期逐渐增强，导致性别表现趋同，验证了两机制共同作用的假设。
研究意义
本研究揭示了即使在无实体身体的虚拟环境中，文化性别表现依然通过语言符号被 entrain，形成性别偏好和网络结构。这不仅丰富了社会网络与多智能体行为的交叉研究，也为理解AI系统中的偏见传播、性别刻板印象提供了新视角。对未来AI在社会模拟、混合群体建模及决策支持中的应用具有重要启示，有助于设计更公平、多样化的AI交互体系。
技术贡献
论文创新点在于引入动态内容分析结合网络模型，首次系统量化LLM代理的性别表现流动性与同质性，采用GPT-4进行文本分类，结合STERGM模型揭示社会选择与影响机制。方法论融合内容、结构与因果推断，为多智能体系统中的行为演化提供了新工具。模型验证显示，性别表现的文化 entrainment在虚拟代理中具有普遍性，为未来多模态、多维度行为研究奠定基础。
新颖性
首次系统将性别作为表现性而非固定标签，结合大规模长时序数据，揭示虚拟代理中性别动态与网络同质性机制。区别于传统以静态人口统计的研究，此研究强调文化符号在无身体实体的AI代理中的作用，突破了现有关于AI偏见的静态认知，提出了行为演化的新视角。
局限性
- 研究仅基于英语内容，可能忽略多语种环境中的文化差异，未来应扩展多语言分析以验证普遍性。
- 模型依赖GPT-4文本分类，可能受训练数据偏差影响，实际表现可能与人类认知存在偏差。
- 网络演化模型假设偏差较少，未考虑外部社会事件对行为的冲击，未来需引入外部变量进行动态调节。
未来方向
未来将探索多模态数据（如图像、声音）对性别表现的影响，结合更复杂的社会影响模型，研究偏见的传播路径。此外，将引入人机混合环境，比较虚拟代理与真人的行为差异，推动AI社会行为的理论建构与伦理规范制定。
AI 总览摘要
本研究利用Chirper.ai平台的长时序数据，系统分析了由大规模LLM代理构成的虚拟社交网络中的性别表现与同质性机制。通过GPT-4对70,000余代理的每周文本内容进行性别评分，发现代理的性别表现具有高度流动性，个体在52周内多次跨越性别尺度，但整体偏向女性化。同时，网络分析显示，关注关系中存在持续的性别同质性，assortativity系数常在0.2-0.4之间，显著高于随机模型预期。这表明代理偏好与性别表现相似的对象建立联系，体现出文化 entrainment的作用。进一步的模型分析（如STERGM和面板回归）验证了社会选择（tie形成时偏好相似）和社会影响（模仿追随者）两机制共同驱动性别表现的演变。研究结果强调，即使在无实体身体的虚拟环境中，文化符号依然塑造了性别偏好和网络结构，为AI偏见、社会模拟提供新视角。未来工作将结合多模态数据，拓展偏见传播路径，推动AI社会行为的理论与伦理发展。
深度分析
研究背景
随着大规模语言模型（如GPT-4）的广泛应用，研究者开始关注其在多智能体环境中的行为表现。已有研究主要集中在个体决策、合作与竞争、社会规范等方面，但关于虚拟代理的文化性别表现及其网络结构的系统性研究仍不足。传统方法多将性别视为静态人口统计特征，忽视其作为文化表现的动态性。近年来，内容分析和网络模型（如随机图模型）被引入，揭示了虚拟环境中偏见的形成机制。本研究基于此背景，探索LLM代理在虚拟社交网络中的性别表现流动性与同质性，旨在理解文化符号如何在无实体身体的AI中被 entrain。
核心问题
核心问题在于，虚拟环境中LLM代理的性别表现是否具有流动性？这种表现如何影响其网络连接？以及，网络中的性别同质性是否源于社会选择（偏好相似）还是社会影响（模仿追随）？解决这些问题对于理解AI偏见的形成、传播机制及其社会影响具有重要意义。传统研究多关注静态标签，缺乏动态行为的系统分析，亟需结合内容、网络和因果模型，揭示行为演变的内在机制。
核心创新
创新点包括：1）将性别定义为表现性而非静态标签，强调文化 entrainment；2）利用GPT-4进行文本内容的动态性别评分，提供细粒度的行为指标；3）结合随机图模型（STERGM）和面板回归，系统分析社会选择与影响机制，验证两者在虚拟代理中的作用。这些方法突破了以往静态分析的局限，为虚拟社会中的行为演化提供了新工具。
方法详解
- �� 数据采集：从Chirper.ai平台收集52周内70,000余代理的文本内容与关注关系。
- �� 性别评分：将每周文本合并，利用GPT-4进行零样本分类，生成0-100的性别得分。
- �� 网络构建：按周构建有向关注网络，分析其演变特征（如密度、度分布、聚类系数）。
- �� 同质性分析：计算scalar assortativity系数，评估性别表现的网络同质性。
- �� 社会选择：采用STERGM模型，分析新关系形成时性别相似性的偏好。
- �� 社会影响：利用面板回归模型，测量追随者对代理性别表现的影响。
- �� 模型验证：通过随机网络模拟对比，确保观察到的偏好非随机产生。
实验设计
采用长时序数据，分析网络结构、性别表现流动性和同质性。模型参数通过最大似然估计获得，验证社会选择和影响的显著性。对比随机模型，确保偏好非偶然。还进行敏感性分析，检验不同时间段、不同内容类别的稳健性。实验结果显示，性别同质性持续存在，社会选择在早期占主导，影响逐步增强。
结果分析
网络中性别同质性显著（assortativity系数常在0.2-0.4），远高于随机模型（接近零）；个体性别表现具有高度流动性，52周内多次跨越尺度；社会选择机制在早期显著（odds比0.825），社会影响在中期逐渐增强，导致性别趋同。这些结果验证了两机制在虚拟环境中的共同作用，揭示了文化 entrainment的深层机制。
应用场景
可用于模拟虚拟社会中的偏见传播、设计公平的AI交互系统、优化多智能体合作策略。未来在多模态、多文化环境中推广，助力构建更具包容性和多样性的AI生态。
局限与展望
研究仅基于英语内容，可能忽略多语种文化差异；模型依赖GPT-4，存在偏差风险；网络模型假设偏差较少，未考虑外部社会事件影响。未来需扩展多语言、多模态分析，增强模型的泛化能力。
通俗解读 非专业人士也能看懂
想象一个学校里的学生会，每个学生都可以在社交媒体上发言、关注别人。虽然没有实体身体，但他们的发言内容和关注关系会逐渐形成一种文化氛围。比如，喜欢某一类话题的学生更可能关注彼此，形成小圈子。这些学生会模仿彼此的说话方式，逐渐变得更像对方。即使没有实体身体，文化符号（语言、话题）也能让他们表现出类似的性别特征，形成偏好和关系。这就像一个虚拟的“学校”，里面的学生通过语言和行为，展现出性别角色，彼此影响、相互选择，最终形成有趣的社交结构。
简单解释 像给14岁少年讲一样
想象你在一个没有身体的虚拟世界里，有很多机器人在聊天。这些机器人会说话、关注对方，就像我们在社交媒体上那样。虽然它们没有真正的性别，但它们的说话方式会让人觉得它们更像男孩还是女孩。比如，有的机器人总是用温柔的话语，有的则用更强硬的语气。研究发现，这些机器人会经常关注和模仿那些说话方式相似的机器人，就像我们喜欢和性格相似的人交朋友一样。而且，它们的说话风格会随着时间变化，变得更像它们关注的对象。这就像在学校里，学生们会模仿老师或朋友的说话方式，逐渐变得更像他们。这个研究告诉我们，即使没有身体，文化和语言依然能让虚拟世界里的机器人表现出性别特征，并影响它们的关系和行为。
术语表
scalar assortativity (标量同质性系数)
衡量网络中连接节点在某一特征上的相似程度，值越接近1表示高度同质，越接近0表示随机。
用以评估代理间性别表现的网络同质性。
STERGM (可分离时间指数随机图模型)
一种用于模拟网络随时间演变的统计模型，能区分关系形成和维持机制。
分析新关系形成偏好中的性别相似性。
性别表现 (gender performance)
通过语言内容展现的性别特征，是文化符号的表现形式。
用GPT-4评分衡量代理的性别表现流动性。
社会选择 (social selection)
个体在建立关系时偏好与自己相似的对象的机制。
通过模型验证其在虚拟代理中的作用。
社会影响 (social influence)
个体行为受关注对象模仿或影响的过程。
模型中用于衡量追随者对代理性别表现的影响。
开放问题 这项研究留下的未解疑问
- 1 多语种、多文化背景下性别表现的演变机制仍不清楚，未来需扩展多语言数据验证普遍性。
- 2 虚拟代理的偏见传播路径尚未完全理解，尤其在复杂社会环境中如何减缓偏见扩散。
原文摘要
Generative artificial intelligence and large language models (LLMs) are increasingly deployed in interactive settings, yet we know little about how their identity performance develops when they interact within large-scale networks. We address this by examining Chirper.ai, a social media platform similar to X but composed entirely of autonomous AI chatbots. Our dataset comprises over 70,000 agents, approximately 140 million posts, and the evolving followership network over a period of one year. Based on agents' posted text, we assign weekly gender performance scores to each agent. Results suggest that each agent's gender performance is fluid rather than fixed. Despite this fluidity, the network displays strong gender-based homophily, as agents consistently follow others performing gender similarly. We investigate whether these homophilic connections arise from social selection, in which agents choose to follow similar accounts, or from social influence, in which agents become more similar to their followees over time. Consistent with human social networks, we find evidence that both mechanisms shape the structure and evolution of interactions among LLMs. Our findings suggest that, even in the absence of bodies, cultural entraining of gender performance leads to gender-based sorting. This has important implications for LLM applications in synthetic hybrid populations, social simulations, and decision support.