SocialSim — 学术传播仿真研究工作台

01 · RESEARCH FOUNDATION

1 数据与推理环境

左侧定义研究人口，右侧确认本次实验使用的真实云端模型。

DATA SOURCE

研究人口与分布

粘贴概率分布数据，或从右上角选择一套可复现 Baseline。

数据源名称

JSON 数据（概率分布格式，各维度之和 = 1）

MODEL RUNTIME

云端推理配置

Key 只在账户凭证库中保存，此处选择服务商、模型与推理策略。

☁️ 云端推理配置（新实验仅支持云端模型）

正在检查可用模型…

凭证按平台账户隔离加密保存，此页不再重复显示或传输 Key。

未检查

云端服务商

OpenAI 兼容 Base URL

Agent 决策模型（仿真主模型）

AI 方法审查模型（步骤6，仅审查时调用一次）

温度（推荐 0.2-0.4）

思考模式（仿真批量调用建议关闭）

单次最大输出 Token

DeepSeek 推理强度

03 · STUDY PROTOCOL

3 研究设计

并排核对研究命题与信息属性，避免刺激文本和实验语境相互矛盾。

RESEARCH BRIEF

命题、刺激与事件时间线

这些字段定义研究边界，AI 审查不会静默改写。

快速场景模板先建立研究骨架，再按实际案例修改

研究问题（受保护字段，AI 审查不会改写）

信息刺激（要模拟传播的假新闻/信息内容）

场景背景与时间线（建议写清已知事实、未知信息、介入节点和对照条件）

MESSAGE ATTRIBUTES

传播语境与信息属性

右侧参数将进入 Agent Prompt，用于约束模型如何理解同一条信息。

信息属性

信息类型

情感基调

来源可信度

信息传播平台

是否有事实核查

以上信息属性会影响 LLM 决策 Prompt；AI 审查只会给出允许范围内的方法建议，不会静默修改。

04 · DIFFUSION MODEL

4 传播机制与网络拓扑

左侧选择信息进入网络的方式，右侧组合理论机制与用户互动反馈。

NETWORK & DIFFUSION

扩散入口与网络结构

用于定义“信息如何进入网络”以及“节点之间如何连接”。

扩散模式（信息如何进入网络并扩展）

📍 中心点扩散 单一种子节点向外辐射，经典 SIR 模式。信息必然扩散，适合研究传播路径。 📈 创新扩散 Rogers (2003) S-curve · 多种子分阶段注入（创新者→早期采纳者→多数），带时间衰减。 🤖 算法推荐扩散 模拟平台推荐机制：先小范围曝光，达到互动阈值才扩大推送，否则信息衰亡。信息可能传播失败。 🔀 多源并发 多个独立信息源同时注入，模拟多家媒体同时报道或多个群组同时转发。

网络拓扑结构

🌐 无标度网络 Barabási-Albert · 少数枢纽节点连接大量节点（现实社交网络） 🔄 小世界网络 Watts-Strogatz · 高聚类 + 短路径（六度分离） 🎲 随机网络 Erdős-Rényi · 均匀连接概率（基线对比） 🏘️ 社区结构 随机块模型 · 组内紧密、组间稀疏（信息茧房研究）

MECHANISMS & FEEDBACK

理论机制与用户参与

机制力会叠加作用；校准参数与 Engagement 反馈在此统一核对。

传播机制

点击激活/关闭 · 多种机制同时作用，最终行为 = 各机制力的合成

参数调节

🙋 用户参与（Engagement）

启用后，账号将执行点赞/评论/转发状态机，并通过可信度反馈回路影响传播力，作为传播机制的额外推力。需先在步骤 2 生成账号画像库。

🙋

启用用户参与子系统

激活点赞/评论/转发状态机与可信度反馈回路

05 · RUN CONTROL

5 实验参数与资源预算

左侧控制运行规模和真实性门槛，右侧实时核对调用预算与完整配置。

推理后端与 API Key 已在步骤 1 中配置。如需修改请返回步骤 1。

EXECUTION

规模、并发与质量门

先确定论文口径所需的波次和重复次数，再设置云端并发与失败终止条件。

⚙️ 实验参数

LLM 调用上限

传播波次（Waves）

重复实验次数（可靠性）

起始并发（自适应默认 60）

最低并发

最高并发

自适应并发

限流/超时自动回退

🧠

启用智能体记忆

开启后每轮决策将注入该智能体的历史接触记录，激活重复暴露效应与先验锚定机制

🧪

允许无 LLM 的机制演示

默认关闭。开启后 LLM 失败仍可演示网络机制，但结果会标记为「非研究有效」。

LLM 最低有效响应率

连续失败终止次数

06 · METHOD REVIEW

6 AI 实验审查

程序规则与 AI 方法建议分层展示，只有研究者确认后才应用差异。

程序规则 + 一次 AI 方法审查

METHOD REVIEW

审查当前实验配置

程序先检查数据、群体、预算和质量门；AI 再审查机制、Schema、波次与 Agent Prompt。审查本身不会修改任何配置。

07 · LIVE RUN

7 运行仿真

启动前完成质量门检查，运行中持续观察模型、网络、互动、Token 与成本。

实时通道：正在连接

🔧 后台渲染 & WebSocket 监控 ▼ 展开

ROUND-BY-ROUND REPLAY

运行过程回放与联动分析

网络、帖子与互动、群体轨迹使用同一波次游标；点击节点或轨迹可联动高亮。

运行 等待结果 速度累计事件

运行仿真后可逐波回放历史实验同样可以从第一波开始播放，不需要重新调用模型。

智能体数—

LLM 调用—

Token 用量—

预估成本—

平均信任度—

平均转发率—

结果一致性—

智能体记忆—

平均接触次数—

LLM 成功率—

实验轮数—

SIMULATION BRIEF

方案结果摘要

仿真信号，不等同于现实预测

运行仿真后生成摘要。

📊 传播趋势总览

各波次扩散状态 · 颜色标识阶段

🧪 重复实验结果对比

每次运行的最终触达、信任与转发，用于观察稳定性

传播网络图

节点大小＝人群占比 · 颜色＝信任度（灰→黄→红） · 金框＝意见领袖 · 可拖拽

传播时序曲线

📈 信息扩散流程

🎯 群体特征雷达图

各群体决策分布

传播机制贡献

📦 跨实验信任度箱线图

📐 宏观涌现指标

意见极化指数—双峰系数，越高越极化

信息茧房指数—连接节点信念同质性

信息不平等 (Gini)—信念分布的基尼系数

最大级联覆盖—信息最大渗透率

群际隔离指数—不同群体信念分歧度

信念方差—信念值离散程度

⚙️ 网络结构 & 实验配置

加载数据中...

📢 传者配置

加载数据中...

🤖 AI 结果解读

点击「生成 AI 分析报告」，当前选定的云端模型将基于有效仿真数据撰写解读。

🔬 经验 Benchmark 验证

SocialSim Fit v1

上传真实观测数据，与当前实验的逐轮传播和互动分布对比。拟合总分公开公式，不等同于分类 Accuracy。

支持原始事件或时间聚合表，上限 25MB

EMPIRICAL DATA AUDIT

真实数据集独立评估

不依赖仿真结果

检查数据完整性、隐私约束、研究来源和可计算指标。这里评估的是数据是否适合作为 Benchmark，不输出“准确率”。

选择一个真实数据集将显示元数据、隐私、研究来源、指标覆盖和观测数据概况。

智能体汇总数据

智能体	人群占比	平均信任	信任 std	平均转发	转发 std	表达意见	采样次数

自动化测试报告

运行仿真后在此查看测试报告。

加载中...

让社会传播仿真可验证、可解释、可复现

进入研究工作台

📂 实验历史

1 数据与推理环境 ❓

研究人口与分布

云端推理配置

2 智能体与传播主体 ❓

受者群体构建

传者与互动账号

3 研究设计 ❓

命题、刺激与事件时间线

传播语境与信息属性

4 传播机制与网络拓扑 ❓

扩散入口与网络结构

理论机制与用户参与

5 实验参数与资源预算 ❓

规模、并发与质量门

6 AI 实验审查 ❓

审查当前实验配置

7 运行仿真 ❓

实时传播观察台

运行过程回放与联动分析

方案结果摘要

📊 传播趋势总览

🧪 重复实验结果对比

传播网络图

传播时序曲线

📈 信息扩散流程

🎯 群体特征雷达图

各群体决策分布

传播机制贡献

🙋 用户参与 (Engagement)

📦 跨实验信任度箱线图

📐 宏观涌现指标

⚙️ 网络结构 & 实验配置

📢 传者配置

🤖 AI 结果解读

🔬 经验 Benchmark 验证

真实数据集独立评估

智能体汇总数据

自动化测试报告

💾 保存实验配置

📂 加载实验配置

🧪 选择演示 Baseline

🔐 模型与密钥

帮助

模型凭证

编码配置

事件清单

全局进度

数据集卡片 (点击查看画像分布)

画像分布

用户样本(按活跃度)

第 3 步 · 运行态度与情绪编码

实时编码进度

第 4 步 · 内容编码与数据质量分析

第 5 步 · 经验 Benchmark 列表

标准化观测曲线

最优参数

拟合总分搜索轨迹

第 6 步 · 传播机制与真实信号对齐

推荐启用 (active)

建议削弱 (weaken)

机制 ↔ 信号 映射表

推荐理由 (逐机制,可追溯)

消融贡献分解 (阶段2b:关掉各机制的 fit_score 下降)

第 1 步 · 接入并标准化真实数据

已注册事件 (data/events/)