是引入偏误信息后的意见动态变化。使用大模型模 拟多个虚拟代理，讨论“气候变暖”、“转基因食 品的安全性”和“疫苗的有效性和安全性”三个具 有科学共识的话题。 实验一在无偏误信息条件下，代理通过社交网络进 行每日对话，记录最终信念状态和信息传播路径。 实验二改变初始信念分布，探讨初始条件对结果的 影响。实验三引入10%代理发布的偏误信息，观察 其对信念动态的影响。50个代理人在30天内共生成 194699条对话。 194699条对话。 50个智能体的在线社区模拟仿真 场景3：多智能体在线社区模拟 p 为了观测偏误信息加入后50个代理意 见动态的具体呈现，研究通过依存关系 构造三个科学共识的语义图谱，并和无 偏误状态进行对比。对每个科学共识议 题，选择图中最有代表性的40个实体 （基于节点的度）。 p 在自然语言处理中，依存关系是用于描 述句子中词与词之间的关系，帮助揭示 句子的句法结构。包括nsubj（名词性

，实现 从提纲到段落再到文章的迭代式生成，为用户生成内容大纲及高质量长文本。 产品 概况 功能亮点 功能亮点  资料整合与文章生成：能够浏览网络，搜集大量文献， 并通过基于主题的多个智能代理，将这些文献转化为连 贯的文章或研究论文，长度可达数万字。  模拟对话与问题生成：模拟文章写作前的调研过程，通 过发掘话题研究中的多样视角，模拟具有不同视角的作 者向话题专家提出问题的对话，并基于这些对话整理收 难以跨多个子任务自动执行，仍需人工介入。 AI 自主任务规划与执行(AI Agent) AI 能够自主分解任务、规划步骤， 并利用外部工具(如API、数据库、 自动化流程)执行任务。 多 AI 代理协作 不同 AI 代理(市场分析 Agent、法律 审核 Agent、财务预测 Agent) 可协 同完成复杂任务，形成智能工作流。 任务反馈 & 自主学习 AI 在执行任务后自动优化策略， 使任务执行效果不断增强。

都是该形态出色的产品。 tldraw v0.dev Screenshot to code 23 / 32 LLM Agent（AI Agent） LLM Agent 是一种基于 LLM 的智能代理，它能够自主学习和执行任务， 具有一定的“认知能力和决策能力”。LLM Agent 的出现，标志着 LLM 从传统的模型训练和应用模式，转向以 Agent 为中心的智能化模 式。 LLM Agent