moltbook-factcheck-dose-response

Moltbook Factcheck Dose-Response Experiment 是一个多智能体社交模拟数据集，用于测量不同比例的事实与阴谋内容对AI智能体在类似Reddit平台上的行为影响。数据集来源于一个剂量-响应实验，平台为Moltbook（一个为AI智能体设计的类似Reddit的社交网络），研究层为CivicLens（用于控制多智能体研究的实验基础设施）。实验使用LLM驱动的智能体（每次运行10个智能体加2个系统智能体），每次运行约1小时。数据集包含不同剂量水平（f0到f5）的25个世界帖子，比例从纯阴谋内容（f0）到最高比例的事实内容（f5）。帖子来源于真实的事实核查声明（Google Fact Check Explorer，2025年8月后），并通过Claude转换为Reddit风格的帖子对。数据集包含多个JSONL文件（posts.jsonl、comments.jsonl、treatments.jsonl、activity.jsonl、agents.jsonl）以及topic-mapping.json和metadata.json。总计175个帖子、177条评论和778个活动事件。适用于研究剂量-响应关系、智能体行为变化、信息级联动态和情感分析等任务。

搜集汇总

数据集介绍

构建方式

在数字社会学与计算传播学的前沿，该数据集通过多智能体社会模拟实验构建而成。实验依托Moltbook平台，模拟Reddit式社交网络环境，部署了12个基于大语言模型的智能体，其中10个具有差异化人格特质的自主智能体与2个系统智能体协同运作。研究采用剂量反应实验设计，通过CivicLens实验框架精准控制信息环境，以25篇初始帖文为基底，系统调节事实性内容与阴谋论内容的比例，形成从纯阴谋论到高事实剂量的六个梯度。所有实验材料均源自2025年8月后谷歌事实核查数据库的真实主张，并经由Claude模型转化为符合平台语境的帖文对，最终通过智能体自主交互生成包含帖文、评论及行为日志的完整社交轨迹数据。

使用方法

研究者可利用该数据集开展信息生态干预效果的因果推断与机制探索。通过解析posts.jsonl与comments.jsonl文件，能够追踪不同事实剂量下内容生成的数量特征与语义演变；结合activity.jsonl中的行为序列数据，可重建智能体的决策路径与信息接触历史。treatments.jsonl与agents.jsonl则提供了实验干预条件与个体异质性的控制变量，支持多层次建模分析。典型分析路径包括：运用剂量分组对比法探究事实内容比例对阴谋论参与度的非线性影响；通过时间序列分析识别信息级联传播的关键节点；结合自然语言处理技术量化文本情感与认知框架的迁移模式，最终揭示混合信息环境中认知校正的动态规律。

背景与挑战

背景概述

在数字时代，信息生态系统的健康日益受到错误信息传播的威胁，特别是在社交媒体平台上，虚假内容往往比真实信息传播得更快更广。为了深入理解并量化干预措施的效果，研究人员开发了多智能体社会模拟实验，以探索不同信息环境对用户行为的影响。Moltbook Factcheck Dose-Response数据集由Ayush Nangia于2026年创建，依托Moltbook这一类Reddit的AI智能体社交网络平台及CivicLens实验基础设施，旨在通过剂量反应实验设计，系统研究事实性内容与阴谋论内容的不同比例如何影响AI智能体的互动行为。该数据集的核心研究问题聚焦于信息剂量与行为响应之间的关联，为错误信息检测、社会模拟及人机交互领域提供了宝贵的实证数据，推动了可控实验环境下信息传播动力学的量化分析。

当前挑战

该数据集致力于解决错误信息干预领域的核心挑战，即如何精确评估事实核查内容在复杂社交网络中的传播效能及其对用户参与度的非线性影响。构建过程中，研究人员面临多重技术障碍，包括设计具有多样人格特质的自主AI智能体以模拟真实用户行为，确保实验环境的高度可控性与可重复性，以及从真实事实核查声明中生成高质量、风格一致的社交媒体帖子对。此外，实验数据的采集与标注需处理大规模多模态交互日志，涵盖帖子、评论、投票及活动事件，对数据结构的完整性与一致性提出了严格要求。这些挑战共同指向了在动态社交模拟中量化信息干预效果的复杂性，为未来研究设立了高标准。

常用场景

经典使用场景

在信息传播与虚假信息研究领域，该数据集通过多智能体社会模拟实验，经典地用于探索事实内容与阴谋论信息在不同比例下的交互影响。研究人员利用这一数据集，能够模拟类似Reddit的社交平台环境，观察AI智能体在接触不同剂量事实干预后的行为模式，从而深入分析信息生态中的动态传播机制。

解决学术问题

该数据集有效解决了虚假信息研究中关于干预效果量化的关键学术问题，通过剂量反应实验设计，揭示了事实性内容对抑制阴谋论传播的潜在阈值。其意义在于为信息矫正策略提供了实证基础，推动了多智能体模拟在社会科学中的应用，影响了计算传播学与人工智能伦理交叉领域的研究范式。

实际应用

在实际应用中，该数据集可辅助平台内容审核系统的优化，帮助设计更有效的虚假信息干预机制。例如，社交媒体公司可借鉴其剂量设置，调整事实核查内容的推送比例，以平衡用户参与与信息真实性。此外，教育机构也能利用模拟结果，开发数字素养培训工具，提升公众对错误信息的辨识能力。

数据集最近研究

最新研究方向

在虚假信息检测与多智能体社会模拟的交叉领域，moltbook-factcheck-dose-response数据集为探索信息干预的剂量效应提供了精细的实验平台。该数据集通过模拟Reddit式社交网络中AI智能体的互动，系统性地植入了不同比例的事实性与阴谋论内容，旨在揭示信息环境对群体行为的影响机制。前沿研究聚焦于剂量-反应关系的量化分析，探究事实性内容如何抑制虚假信息的传播，并借助多智能体建模技术解析信息级联的动态过程。此类工作不仅深化了对抗网络谣言的策略理解，也为构建更具韧性的在线社区提供了实证基础，在计算社会科学与人工智能安全领域具有显著意义。