【C118】基于大语言模型的社交网络虚假信息传播模拟

本项目参考论文 Simulating Misinformation Propagation in Social Networks using Large Language Models，构建了一个教学演示版的大语言模型虚假信息传播模拟系统。项目关注的问题是：当新闻文本在社交网络中被不同角色反复转述时，事实信息会如何被保留、扭曲或放大。

代码采用“persona 节点 + 审计器”的设计思路，将社交网络中的节点设定为具有不同表达倾向的角色，例如中立新闻机构、生活方式网红、耸动型媒体、医学专家、调查记者等。每个节点会根据自身 persona 对新闻文本进行改写，并将改写后的内容继续传递给下一个节点。

项目使用 Watts-Strogatz 小世界网络模拟社交传播结构，并通过 QA 审计器对每一步改写后的文本进行事实保持度判断。系统计算 MI 和 MPR 等指标，用于衡量单个节点和整条传播路径上的信息失真程度。项目同时支持同质网络和异质网络两种模式，便于比较不同传播环境下虚假信息扩散的差异。

运行方式：

streamlit run app.py

本项目运行后会在 Streamlit 页面中展示传播仿真结果。

核心结果包括：

1. MPR：平均失真程度，用于衡量传播链条中的整体信息偏离程度；

2. 严重程度：根据 MPR 阈值将失真划分为 factual_error、lie 或 propaganda；

3. 最终步 MI：最后传播节点上的事实偏离数量；

4. 改写变化率：衡量文本在传播过程中发生实质改写的比例。

系统还会输出每一步传播记录，包括节点编号、persona 类型、改写文本、审计答案、MI 值和累计失真情况。通过这些结果，可以观察不同角色组合、网络结构和传播深度下，新闻事实如何逐步发生偏移。