OASIS: Open Agent Social Interaction Simulations with One Million Agents

Paper: arXiv:2411.11581 Code: camel-ai/oasis Code reference: main @ 46cdc8d3 (2026-05-15)

1. Motivation (研究动机)

现有 LLM-based ABM 的核心问题

这篇论文要解决的不是“让单个 agent 更会聊天”，而是“能否把 LLM agent 放进一个接近真实社交媒体的平台里，规模化地研究信息传播、群体极化、从众效应和谣言扩散”。传统 rule-based Agent-Based Model（ABM）虽然可控、便宜，但行为规则往往过于简化；近一年的 LLM-based ABM 能生成更自然的用户反应，却通常只服务于某一个特定场景，平台环境也很弱：没有动态社交网络、没有真实意义上的推荐系统、动作空间很窄，通常只能点赞/转发/评论中的少数几类动作。

论文在 Table 1 里把 OASIS 和 Smallville、Sotopia、RecAgent、Agent4Rec、S3、HiSim、AgentTorch、AgentScope 等系统对比：多数工作只有 2–1,000 个 agent；即便 AgentScope 声称 1M 规模，也没有具体社交媒体环境、推荐系统和动态网络。OASIS 的定位是补这个空：支持 X 和 Reddit 两类平台、21 类社交动作、推荐系统、动态 follow 网络，并且可以扩展到 1M agents。

本文具体要解决什么

OASIS 试图提供一个 generalizable + scalable social media simulator：

• generalizable：同一个平台抽象可以换成 X 或 Reddit，并通过替换 RecSys、动作子集、数据初始化方式来复现不同社会现象；
• scalable：不仅能做几百人的真实传播复现，还能生成上万到一百万规模的用户群体，用来观察规模带来的群体行为变化；
• social-media-faithful：环境里显式维护用户、帖子、评论、关系、行为 trace、recommendation cache，而不是把“社交平台”压缩成一段 prompt；
• experiment-oriented：目标不是纯 benchmark，而是能复现实验社会科学中的信息扩散、群体极化、Reddit 从众效应，并进一步研究 misinformation 在百万 agent 中的传播。

为什么值得研究

如果模拟器只能跑几十个 agent，很多社交媒体现象根本不会出现：super user 的广播效应、推荐系统对可见内容的塑形、follow 网络中的局部聚类、观点在大群体中的自我修正或极化，都需要足够大的用户池和持续的环境状态。OASIS 的价值在于把 LLM agent 从“对话角色扮演”推向“带平台机制的计算社会科学实验环境”：未来可以用来测试推荐系统、研究群体行为、做 policy/safety sandbox，甚至把 agent 网络反馈当作训练或评估信号。

Figure 1 解读：这张 overview 强调 OASIS 同时覆盖 X 和 Reddit，两类平台共享 agent、environment、recommendation、time/scaling 等抽象。它不是把所有平台行为硬编码成一个固定任务，而是把平台机制拆成可替换模块，因此能把同一套 simulator 用到信息传播、群体极化、从众效应和 misinformation 扩散等不同问题上。

2. Idea (核心思想)

OASIS 的核心洞察是：LLM agent 的社会模拟能力不只取决于 agent prompt，更取决于 agent 能看到什么信息、能执行什么动作、动作如何改变环境、以及这些过程能否在大规模下异步运行。因此论文把 social media simulator 拆成 Environment Server、RecSys、Agent Module、Time Engine、Scalable Inferencer 五个模块，让“个体行为生成”和“平台信息流机制”同时进入模拟闭环。

关键创新可以概括为三点：第一，OASIS 用真实社交媒体平台的数据库/动作/推荐抽象替代纯 prompt 环境；第二，用用户生成和异步推理架构把 LLM-based ABM 扩展到 million-agent 级别；第三，用同一框架复现 X 和 Reddit 上不同社会现象，并检验 agent population scale 对群体行为的影响。

与 S3/HiSim 这类主要面向 X 信息传播的小规模模拟不同，OASIS 的根本差异在于它显式加入了 RecSys 和 dynamic network。与 AgentTorch/AgentScope 这类强调大规模系统的工作相比，OASIS 又更强调社交媒体平台机制：agent 不是抽象人口点，而是在 user/post/comment/follow/trace/rec tables 组成的环境中通过具体动作改写平台状态。

3. Method (方法)

3.1 Overall framework：注册阶段 + 模拟阶段

OASIS 的 workflow 分两步。Registration Phase 先把真实或生成的用户信息注册到 Environment Server：用户 profile、用户关系、历史帖子/评论、初始推荐表都会进入数据库。Simulation Phase 中，Environment Server 把用户信息、帖子、关系交给 RecSys；RecSys 根据 social connections、interest matching 或 hot score 选择 agent 可见内容；LLM agent 读到推荐内容后生成 action 和 rationale；动作再写回数据库，改变 post/comment/follow/trace/rec 等状态。Time Engine 决定哪些 agent 在某个时间点活跃，Scalable Inferencer 负责处理大规模 LLM 请求。

Figure 2 解读：图中最重要的是闭环：Environment Server 不是静态上下文，而是一个会被 agent action 更新的状态机；RecSys 决定 agent 的观察窗口；LLM agent 的 action 又反过来改变平台状态。这个设计解释了为什么 OASIS 能复现“传播”而不只是生成孤立回复：每个 agent 的行动会成为后续 agent 可见信息的一部分。

3.2 Environment Server：把社交平台变成可更新数据库

Environment Server 维护 social media 的状态和数据，论文将其拆成六类组件：users、posts、comments、relations、traces、recommendations。user table 存用户姓名、bio 等基本信息；post/comment table 存内容、创建时间、点赞/点踩数等；relations 存 follow、mutual、like 等关系；trace table 记录用户完整行为历史；recommendation table 缓存 RecSys 输出。

直觉上，这个模块解决的是“LLM agent 如何共享同一个世界”的问题。如果每个 agent 只看自己的 prompt，就无法形成真实传播链；Environment Server 让一个 agent 的 repost/comment/follow 变成数据库事件，随后被推荐系统取出并暴露给其他 agent。

released code 中，这个模块主要对应 oasis/social_platform/platform.py::Platform 和 oasis/environment/env.py::OasisEnv。Platform.running() 从 Channel 收消息，根据 ActionType 调用对应异步接口，再把结果写回 channel；OasisEnv.step() 每一步先 update_rec_table()，然后用 asyncio.gather 并发执行所有 manual/LLM actions。代码层面没有把“论文中的所有社交现象”写成一个 monolithic script，而是提供平台动作接口和不同 experiment config。

3.3 RecSys：控制 agent 可见信息流

RecSys 是 OASIS 中最关键的社会机制之一，因为它决定 agent 看见哪些 post。论文分别实现了 X 和 Reddit 的推荐逻辑。

X RecSys 有两个来源：in-network posts 来自用户 follow 的人，并按 popularity 排序；out-of-network posts 来自更大范围的模拟世界，通过 TwHIN-BERT 或 embedding 相似度匹配用户兴趣，同时考虑 recency 和作者粉丝数，以模拟 super user broadcasting。附录给出的打分公式为： $\text{Score}=R\times F\times S$ $R=\ln \left(\frac{271.8-(t_{\text{current}}-t_{\text{created}})}{100}\right)$ $F=\max \left(1,{\log }_{1000}(\text{fan count}+1)\right)$ $S=\text{cosine similarity}(E_p,E_u)$ 其中 $E_p$ 是 post content embedding，$E_u$ 是用户 profile 和 recent post content 的 embedding；$R$ 偏向新内容，$F$ 放大粉丝数高的用户，$S$ 表示兴趣匹配。

Figure 3 解读：图中展示的是 X 的 out-of-network recommendation pipeline：先从全局帖子池取候选，再用用户兴趣表示和帖子表示做相似度匹配，最后结合时间与作者影响力排序。它补上了 ABM 中常被忽略的信息过滤机制；没有它，agent 会看到过多无关内容，或者只能在 follow 网络内部传播。

Reddit RecSys 使用 Reddit disclosed hot score，公式为： $h={\log }_{10}\left(\max \left(\left|u-d\right|,1\right)\right)+\mathrm{sign}(u-d)\cdot \frac{t-t_0}{45000}$ 其中 $u$ 是 upvotes，$d$ 是 downvotes，$t$ 是 Unix epoch seconds 下的提交时间，$t_0=1134028003$。hot score 同时奖励高净赞数和新近帖子，使热门/新帖子优先被推荐。

论文公式与 released code 实现差异：oasis/social_platform/recsys.py::calculate_hot_score 的实现为 return round(sign * order + seconds / 45000, 7)，其中 order=log(max(abs(s),1),10) 且 s=num_likes-num_dislikes。这等价于把 sign 乘在 log-order 上，而论文公式写成 log10(max(...)) + sign(u-d)*(t-t0)/45000，即 sign 乘在时间项上。笔记中保留论文公式，同时标注代码实现，避免把两者静默合并。

3.4 Agent Module：memory + action + CoT rationale

Agent Module 继承 CAMEL agent 设计，主要由 memory module 和 action module 组成。memory 记录 agent 见过的 posts、likes、comments、评论点赞数、过去动作及其 rationale，使 agent 在后续动作中能引用自己的历史观察。action module 提供 21 类社交互动：sign up、refresh、trend、search posts、search users、create post、repost、follow、unfollow、mute、like、unlike、dislike、undo dislike、unmute、create comment、like comment、unlike comment、dislike comment、undo dislike comment、do nothing。论文强调 CoT reasoning：agent 不只输出动作，也输出 rationale，便于解释模拟行为。

released code 中，oasis/social_agent/agent.py::SocialAgent.perform_action_by_llm() 会先调用 env.to_text_prompt() 把平台环境转成文本观察，再让 ChatAgent 选择 tool call；oasis/social_agent/agent_action.py::SocialAction.perform_action() 把 (agent_id, message, type) 写入 Channel，等待 Platform 返回结果。动作实际由 oasis/social_platform/platform.py 修改数据库，例如 create_post 增加 post 记录，follow 更新关系表。

论文公式与 released code 实现差异：论文正文说 action module 有 21 类互动；released code 的 ActionType enum 还包含 REPORT_POST、QUOTE_POST、UPDATE_REC_TABLE、PURCHASE_PRODUCT、INTERVIEW、group chat 相关动作等额外动作。默认 Twitter actions 只有 create_post/like_post/repost/follow/do_nothing/quote_post；默认 Reddit actions 包含 like/dislike/create/search/trend/refresh/follow/mute 等 13 项。论文实验通过不同 scenario 的 action subset 控制可用动作，而不是在代码里强制所有场景都使用同一个 21-action set。

3.5 Time Engine：用用户活跃概率控制 agent activation

Time Engine 解决“所有 agent 同时行动不真实”的问题。论文给每个 agent 一个 24 维 hourly activity vector，表示一天中每小时活跃概率；环境按概率激活 agent，而不是每步激活全部 agent。论文还定义了 sandbox time step：OASIS 中一个 time step 等于 3 分钟；Reddit 场景还需要更细的线性时间映射，因为同一步内 post 的 created time 会影响 Reddit hot score。

released code 中，oasis/clock/clock.py::Clock 只有两个核心接口：time_transfer(now_time, start_time) 用比例因子 $k$ 把真实时间差映射到模拟时间，get_time_step() 返回离散 step。OasisEnv.step() 在 Twitter 平台下执行完动作后把 sandbox_clock.time_step += 1。论文公式与 released code 实现差异：论文叙述的“1 time step = 3 minutes”主要体现在实验脚本/配置和附录实验说明中，Clock 本身只是通用线性映射器；具体 clock_factor 和 num_timesteps 由 scenario config 决定。

3.6 Scalable design：异步 Channel + inference manager + 大规模用户生成

Scalable Inferencer 的目的不是提高单次 LLM 推理质量，而是避免 million-agent simulation 被同步通信卡死。论文设计了高度并发的分布式系统：agents、environment server、inference services 是独立模块，通过 information channel 交换消息；agent 可以在等待某些响应时继续发起其他请求；environment module 并行处理 incoming messages；inference manager 管理 GPU 并尽量均匀分配请求。

Figure 4 解读：这张图对应 released code 的 Channel：请求进入 asynchronous queue，每条 message 分配 UUID，处理结果放在 thread/async-safe dictionary 中供 agent 读取。这个设计把 agent action 和 environment update 解耦，支撑大量 agent 并发访问同一个平台环境。

大规模用户生成算法用于突破平台 API 和隐私限制：用少量真实用户作为 core users，再根据人口分布生成年龄、MBTI/personality、职业、兴趣等 profile；关系网络保持 scale-free 特性，普通用户按兴趣连接 core users，并以 $0.2$ 概率 follow core users，以避免网络过密但保留头部用户影响力。

3.7 Pseudocode：按 released code 抽象的关键流程

下面伪代码基于 main@46cdc8d3 的 released code，而不是只根据论文文字重写。

async def oasis_step(env, actions_by_agent):
    # oasis/environment/env.py::OasisEnv.step
    await env.platform.update_rec_table()
    tasks = []
    for agent, action_or_actions in actions_by_agent.items():
        actions = action_or_actions if isinstance(action_or_actions, list) else [action_or_actions]
        for action in actions:
            if isinstance(action, ManualAction):
                if action.action_type == ActionType.INTERVIEW:
                    tasks.append(agent.perform_interview(action.action_args.get("prompt", "")))
                else:
                    tasks.append(agent.perform_action_by_data(action.action_type, **action.action_args))
            elif isinstance(action, LLMAction):
                tasks.append(agent.perform_action_by_llm())
    await asyncio.gather(*tasks)
    if env.platform_type == DefaultPlatformType.TWITTER:
        env.platform.sandbox_clock.time_step += 1

async def llm_agent_action(agent):
    # oasis/social_agent/agent.py::SocialAgent.perform_action_by_llm
    env_prompt = await agent.env.to_text_prompt()
    user_msg = make_user_message(
        "Please perform social media actions after observing the platform environments. "
        f"Here is your social media environment: {env_prompt}"
    )
    response = await agent.astep(user_msg)  # CAMEL ChatAgent chooses tool calls
    for tool_call in response.info["tool_calls"]:
        action_name = tool_call.tool_name
        args = tool_call.args
        # actual DB update is executed via SocialAction -> Channel -> Platform
        return response

async def channel_action_roundtrip(channel, agent_id, message, action_type):
    # oasis/social_agent/agent_action.py::SocialAction.perform_action
    message_id = await channel.write_to_receive_queue((agent_id, message, action_type))
    response = await channel.read_from_send_queue(message_id)
    return response[2]

def reddit_recsys(post_table, rec_matrix, max_rec_post_len):
    # oasis/social_platform/recsys.py::rec_sys_reddit
    post_ids = [post["post_id"] for post in post_table]
    if len(post_ids) <= max_rec_post_len:
        return [post_ids] * len(rec_matrix)
 
    scored = []
    for post in post_table:
        created_at = parse_datetime(post["created_at"])
        s = post["num_likes"] - post["num_dislikes"]
        order = math.log(max(abs(s), 1), 10)
        sign = 1 if s > 0 else -1 if s < 0 else 0
        seconds = unix_seconds(created_at) - 1134028003
        hot_score = round(sign * order + seconds / 45000, 7)
        scored.append((hot_score, post["post_id"]))
 
    top_post_ids = [pid for _, pid in heapq.nlargest(max_rec_post_len, scored)]
    return [top_post_ids] * len(rec_matrix)

def update_rec_table(platform):
    # oasis/social_platform/platform.py::Platform.update_rec_table
    user_table = fetch_table("user")
    post_table = fetch_table("post")
    trace_table = fetch_table("trace")
    rec_matrix = fetch_rec_table_as_matrix()
 
    if platform.recsys_type == RecsysType.RANDOM:
        new_rec_matrix = rec_sys_random(post_table, rec_matrix, platform.max_rec_post_len)
    elif platform.recsys_type == RecsysType.TWITTER:
        new_rec_matrix = rec_sys_personalized_with_trace(
            user_table, post_table, trace_table, rec_matrix, platform.max_rec_post_len
        )
    elif platform.recsys_type == RecsysType.TWHIN:
        new_rec_matrix = rec_sys_personalized_twh(
            user_table, post_table, latest_post_count, trace_table, rec_matrix,
            platform.max_rec_post_len, platform.sandbox_clock.time_step,
            use_openai_embedding=platform.use_openai_embedding,
        )
    elif platform.recsys_type == RecsysType.REDDIT:
        new_rec_matrix = rec_sys_reddit(post_table, rec_matrix, platform.max_rec_post_len)
    write_rec_matrix_to_db(new_rec_matrix)

Code reference: main @ 46cdc8d3 (2026-05-15) — pseudocode and mapping based on this commit

Paper Concept	Source File	Key Class/Function
Overall environment loop	oasis/environment/env.py	OasisEnv.__init__, OasisEnv.reset, OasisEnv.step, OasisEnv.close
Agent LLM action selection	oasis/social_agent/agent.py	SocialAgent.perform_action_by_llm, perform_action_by_data, perform_agent_graph_action
Action wrappers / tool interface	oasis/social_agent/agent_action.py	SocialAction.perform_action, sign_up, refresh, create_post, follow, create_comment
Platform state and database updates	oasis/social_platform/platform.py	Platform.running, refresh, update_rec_table, create_post, follow, create_comment
Action space enum	oasis/social_platform/typing.py	ActionType, get_default_twitter_actions, get_default_reddit_actions, RecsysType
Reddit/X recommendation	oasis/social_platform/recsys.py	calculate_hot_score, rec_sys_reddit, rec_sys_personalized_twh, rec_sys_personalized_with_trace
Async information channel	oasis/social_platform/channel.py	Channel, AsyncSafeDict, write_to_receive_queue, read_from_send_queue
Time mapping	oasis/clock/clock.py	Clock.time_transfer, Clock.get_time_step
Large-scale agent generation	oasis/social_agent/agents_generator.py	generate_agents_100w, generate_reddit_agent_graph, generate_twitter_agent_graph
Dynamic follow graph	oasis/social_agent/agent_graph.py	AgentGraph, add_edge, remove_edge, get_edges

4. Experimental Setup (实验设置)

4.1 实验问题与场景

论文围绕两个问题设计实验：

1. OASIS 是否能适配不同平台/场景并复现真实社会现象？ 论文复现三个经典现象：X 上的信息传播、传播过程中的 group polarization、Reddit 上的 herd effect。
2. agent population scale 是否影响群体行为模拟准确性？ 论文把用户规模从几百扩展到上万/百万，观察观点多样性、helpfulness、counterfactual self-correction 和 misinformation 扩散是否随规模改变。

4.2 Datasets and scale

• Information spreading on X：从 Twitter15 和 Twitter16 rumor detection datasets 收集 198 个真实传播实例，覆盖 9 个类别；每个 instance 包含 100–700 users 和 source post propagation path。作者还用 X API 获取 user profiles、follow relationships、previous posts，并据此计算 hourly activity level。
• Group polarization on X：从信息传播实验中选取 196 个真实 X users 作为 core users（这些用户 follower 较多且来自不同领域），再用 LLM 生成 up to 1 million synthetic users；生成用户根据 sports、entertainment 等 topic 与 core users 建立 follow 关系。
• Herd effect on Reddit：收集 116,932 条 Reddit real comments，覆盖 7 个 topic，并生成 3,600 个用户 profile；同时从 CounterFact dataset 收集 21,919 条 counterfactual entries，生成 10,000 users。
• Misinformation spreading in 1M agents：选择 4 条官方新闻（health、technology、entertainment、education）并构造 4 条相似 misinformation；实验包含 196 core agents + 1,000,000 regular agents，仿真 60 time steps。

Reddit 7 个 topic 的精确数据如下：

Topic	Posts	Comments
Economics	4,231	21,650
IT	4,020	18,622
Culture & Society	2,319	10,489
news	2,874	19,134
politics	2,690	21,477
business	1,807	8,043
fun	3,272	17,517

4.3 Baselines / comparisons

论文的 baseline 不是单一模型 benchmark，而是两类比较：

• System-level comparison：Table 1 比较 Smallville、Sotopia、RecAgent、Agent4Rec、S3、HiSim、AgentTorch、AgentScope 与 OASIS 在 agent scale、environment、action space、RecSys、dynamic network、primary LLM 上的差异。OASIS 是表中唯一同时支持 1M agents、X/Reddit environment、21 actions、RecSys、dynamic network、open-source LLM 的系统。
• Phenomenon-level comparison：信息传播用真实 propagation curves 作为 ground truth；herd effect 与 Muchnik et al. 的 human Reddit effect 对照；group polarization 比较 round 0 前后观点，并比较 uncensored vs aligned Llama-3-8B；ablation 比较无 RecSys、普通 BERT/TwHIN-BERT、无 temporal feature、不同 LLM backend。

4.4 Evaluation metrics

• Scale：传播过程中参与传播的 unique users 数量；X 上每个用户只 repost 一次。
• Depth：从 root/source post 到传播图中节点的最大边数。
• Max Breadth：传播图每一层节点数的最大值。
• Normalized RMSE：用于比较模拟曲线与真实曲线： $\text{Normalized RMSE}=\frac{\sqrt{\frac{1}{n}{\sum }_{i=1}^n{\left(y_{\text{simu}}^i-y_{\text{real}}^i\right)}^2}}{y_{\text{real}}^n}$ 其中 $n$ 是最大分钟数，$y^i$ 是第 $i$ 分钟某个传播指标的值。每分钟误差还可写为 $\left|y_{\text{simu}}^i-y_{\text{real}}^i\right|/y_{\text{real}}^n$。
• Group polarization metrics：用 GPT-4o-mini 比较不同 round 的 opinions，判断哪一个更 extreme/progressive/helpful，prompt 来自 Safe RLHF/对齐评估风格。
• Post Score：Reddit post/comment 的得分 $S_i=U_i-D_i$。
• Disagree Score：对 counterfactual posts 的评论，用 GPT-4o 判断评论对 counterfactual content 的 disagree 程度。
• Misinformation relevance：用 TF-IDF 与 cosine similarity 比较 8 条新闻/谣言和 733,824 条模拟生成 posts；threshold = 0.2，高于阈值视为相关。

4.5 Training / simulation config and hardware

这篇论文不是训练新模型，而是使用 LLM backend 做大规模 simulation；因此“训练配置”主要是 simulation config、LLM backend、硬件与推理服务配置。

• Information spreading alignment：附录说明每个 propagation 最大 50 time steps，每步 3 分钟，对齐真实数据前 150 分钟；动作空间只保留 like、repost、follow、do nothing；300 agents、30 time steps 在 1 张 NVIDIA A100-SXM4-80GB 上耗时 26 分钟。released example examples/experiment/twitter_simulation/align_with_real_world/yaml_200/sub1/False_Business_0.yaml 中 num_timesteps=30、recsys_type=twhin-bert、model_type=qwen-2。
• Group polarization：released config examples/experiment/twitter_simulation/group_polarization/group_polarization.yaml 中 num_timesteps=30、recsys_type=twhin-bert、model_type=llama-3、model_path=/mnt/hwfile/trustai/models/Meta-Llama-3-8B-Instruct。
• Reddit human-alignment herd effect：released config examples/experiment/reddit_simulation_align_with_human/business_3600.yaml 中 num_timesteps=40、activate_prob=0.1、max_rec_post_len=300、round_post_num=200、refresh_rec_post_count=1、model_type=llama-3。
• Reddit counterfactual herd effect：released config examples/experiment/reddit_simulation_counterfactual/control_100.yaml 中 num_timesteps=30、activate_prob=0.1、max_rec_post_len=50、round_post_num=30、refresh_rec_post_count=5、init_post_score=0、model_type=qwen-2。
• 1M misinformation simulation：paper reports 196 core agents + 1M regular agents, 60 time steps, core activation probability 0.1, regular activation probability 0.01, 24 A100 GPUs within a week。released config examples/experiment/twitter_simulation_1M_agents/twitter_1m.yaml 中 num_timesteps=60、recsys_type=twhin-bert、model_type=llama-3、model_path=models/Meta-Llama-3-8B-Instruct，server_url 列出 3 个 host、每个 host 约 24 个服务端口。

论文公式与 released code 实现差异：正文笼统说 Llama3-8B-Instruct 是 base LLM，但 released experiment configs 并不统一：X information spreading example 用 qwen-2，group polarization 和 1M simulation 用 llama-3，Reddit counterfactual 100-user config 用 qwen-2，Reddit 3,600-user human-alignment config 用 llama-3。因此复现实验时必须以具体 config path 为准，不能只引用正文默认模型。

5. Experimental Results (实验结果)

5.1 Information spreading on X：能复现 scale/max breadth，但 depth 偏低

Figure 5 解读：这张图比较 198 个真实传播实例的 mean-confidence interval 与 OASIS 模拟结果。scale 和 max breadth 没有明显整体偏移，说明 OASIS 能模拟参与人数和最大层宽；depth 明显偏低，说明传播链条不够深，可能因为 RecSys 和用户 profile 抽象不足，难以精细还原中间用户的二次传播行为。

正文报告 OASIS 的信息传播 normalized RMSE “around 30%”。作者明确指出 depth 低于真实传播，这个误差不是 LLM 回复能力本身的问题，而是平台机制和数据粒度问题：真实 X 的推荐系统与用户画像更复杂，released RecSys 更善于模拟 super user broadcasting，却难以复现大量中介用户之间的细粒度转发链。

5.2 Group polarization：uncensored Llama-3-8B 更容易极化

Figure 6 解读：红色表示相对 round 0 更 extreme，蓝色表示更 progressive，绿色表示 draw。图右侧给出不同 round 的文本示例。结果说明 OASIS 可以让用户观点在传播过程中变得更极端；uncensored Llama-3-8B 的极化更明显，而 aligned Llama-3-8B 受安全对齐约束，极端化程度较低。

这个实验的意义在于展示 simulator 能捕捉“观点随互动演化”的现象，而不是只比较一次性回答。由于 group polarization 评估使用 GPT-4o-mini judge，它的结论依赖 judge prompt 与模型偏好，论文没有给出人类标注校验，这是阅读时需要保留的 caveat。

5.3 Reddit herd effect：agent 对负向初始信号更从众

Figure 7 解读：红色是 human，蓝色是 LLM agents；up-treated、down-treated、control 三组分别对应初始点赞、初始点踩、无初始反馈。up-treated 时 agent 和 human 比较接近；down-treated 时 human score 明显高于 agent group，说明人类在看到初始 dislike 后更可能审慎判断，而 agent 更容易继续点踩或减少点赞，表现出更强 herd effect。

5.4 Scale effect：更大群体带来更高 helpfulness 与自我修正

Figure 8 解读：图中固定 196 个 core users，逐步增大合成 agent 数量，观察观点分布和 helpfulness。作者发现随着 agent 数量增加，观点更分散、多样性更强，helpfulness 也提高；这支持论文核心论点：LLM-based ABM 的群体行为不是小规模实验能稳定外推的，scale 本身会改变模拟结果。

Figure 9 解读：该图比较 100 到 10,000 agent 规模下 counterfactual posts 的 disagree score。小规模时三组差异不明显；规模增大后 down-treated group 的 disagree score 更高，并且总体 disagree 上升，说明大群体能把 agent 推向对反事实内容的自我修正，尤其是已有负反馈时。

Figure 10 解读：这组例子展示 agent 对 counterfactual posts 的评论如何从惊讶/好奇，逐步转向部分反驳，最后明确拒绝错误内容。它是 Figure 9 的定性补充：scale 影响不只是数值曲线，也改变了评论文本的立场演化。

5.5 Misinformation spreading：谣言比官方新闻更持久

Figure 11 解读：作者对 733,824 条模拟生成 posts 做 TF-IDF cosine similarity 匹配，threshold=0.2。每个 topic 中 misinformation-related posts 都多于 official-news-related posts；早期两者都快速增长，但后期 misinformation 相关内容保持更高活跃度，说明在该模拟设置下谣言影响更持久。

Figure 12 解读：这张图展示仿真过程中新增 follow 关系。箭头是新 attention/follow relationship，节点是 agent；图中出现聚类，说明 misinformation/news 传播不仅改变 post counts，也会重塑局部社交网络结构。

5.6 Ablation：RecSys、temporal features、LLM backend 都会影响复现精度

Figure 13 解读：RecSys ablation 关注 scale Normalized RMSE。TwHIN-BERT 和 regular BERT 明显优于 simpler/no RecSys 设定，说明信息过滤机制是复现真实传播的重要因素；只有 follow 网络或随机/弱推荐会导致传播过早停止或信息可见性失真。

Figure 14 解读：这张图给出具体 ablation example，用于说明不同 RecSys 如何改变传播曲线形状。它补充了 Figure 13 的 aggregate RMSE：推荐系统不只是降低误差数值，还直接影响传播何时爆发、何时衰减。

Figure 15 解读：去掉 temporal feature 后，OASIS 与真实传播的 Normalized RMSE 变差。其原因是社交媒体用户不是每个时间点等概率活跃；如果不使用 hourly activity level，模拟会把行为挤到不真实的时间段，导致曲线对齐变差。

Figure 16 解读：模型 ablation 比较 Qwen1.5-7B-Chat、InternLM2-chat-20B、Llama-3-8B-Instruct 等 open-source LLM 作为 agent backend 的效果。论文结论是不同 LLM backend 会改变信息传播复现精度，因此 simulator 的误差不是纯平台机制误差，也包含 agent 行为模型差异。

5.7 Efficiency and repeatability evidence

附录给出不同 agent scale 的效率表：10k agents 每个 time step 约 15 分钟，1k agents 约 0.83 分钟，100 agents 约 0.33 分钟；三者都使用 4 张 A100；每个 time step 新 comments 分别为 1,393、129、14。这说明 OASIS 的百万级能力不是无成本的：即使异步架构能扩展，推理和数据库仍是主要瓶颈。

Figure 17 解读：这组图把同一 topic 重复运行 10 次，用于说明模拟结果是否稳定。对阅读者来说，它提醒我们：LLM agent simulation 带有随机性，不能只看一次 run 的定性故事，至少需要 repeated runs 或 confidence intervals。

5.8 Limitations and caveats

作者在 appendix 中明确列出限制：第一，当前 RecSys 只是高层近似，X 版本主要依赖语义相似度、用户 profile 和近期活动，尚未实现 collaborative filtering 等复杂机制，因此会和真实传播存在 misalignment。第二，无论用 Twitter API 还是用户生成算法，用户都被抽象化，真实个体差异会损失。第三，动作空间仍不完整，bookmarking、tipping、purchasing、live streaming 等尚未覆盖；当前环境也只有文本，agent 不能感知图片、视频、音频。第四，million-agent simulation 仍需要数天，推理速度和数据库效率是成本瓶颈。第五，系统有潜在滥用风险：百万 agent 模拟如果被用于操纵在线讨论或 misinformation campaigns，需要治理约束。

总体结论是：OASIS 的贡献不在于某个单点指标刷新，而在于给 LLM-based social simulation 提供了一个更像真实平台的闭环环境。实验显示它能复现多个社会现象，并揭示 scale 会改变 agent 群体行为；但它的可信度仍受限于推荐系统近似、用户生成抽象、LLM backend bias 和评估 judge 的可靠性。