近日，我院王伟教授课题组与四川大学等单位合作，在国际物理学顶尖综述期刊《Physics Reports》发表题为“Large language models for spreading dynamics in complex systems”的研究论文。

复杂系统中的传播动力学是统计物理与网络科学的核心议题，揭示着生物疫情与数字疫情背后的网络化规律。传统传播模型虽为理解传播阈值与演化轨迹提供了理论工具，却难以刻画信息表达、文化认知等异质因素的复杂影响。大语言模型的兴起正改变这一格局：以ChatGPT为代表的生成式AI不仅具备深层语义理解能力，更在作为智能体嵌入网络时，成为信息传播的内生参与者，推动“人机共演”的传播动力学呼唤建模范式的基础性重构。

针对上述挑战，王伟教授课题组联合国内外团队，历时两年完成该领域的系统性综述，从传播动力学与人工智能交叉的视角出发，构建了“建模—检测—预测—管理”四位一体的整合分析框架，系统梳理大语言模型赋能数字疫情与生物疫情两大传播场景的研究进展与核心机理。

在数字疫情方面，研究揭示了大语言模型驱动智能体对传统规则型Agent的三重替代。一是通过自然语言实现认知、记忆与反思，使个体态度演化从固定概率跃迁转向情境依赖的动态生成；二是通过语义理解与网络结构补全，实现对谣言、虚假新闻的内容级感知与认知级监测；三是通过时序推理与多智能体仿真，为事实核查时机、干预策略强度与传播抑制阈值提供可计算的决策支持。

在生物疫情方面，研究发现大语言模型可在建模、监测与预测三个环节重塑传统流行病学框架。在建模环节，模型整合政策文本、病例报告、基因监测、人口流动等多模态数据，突破传统微分方程对结构化输入的依赖；在监测环节，模型从社交媒体、新闻与论坛文本中提取症状信号与变异线索，实现早于官方通报的疫情趋势感知；在预测环节，基于大语言模型的时序推理框架在短期发病率预测精度上显著超越传统集成模型，展现出强大的跨模态语义融合能力。

在此基础上，文章进一步提出了大语言模型参与下传播动力学的三类新问题。首先，当智能体成为传播主体，系统的感染阈值、传播速度与稳态分布将不再仅由网络结构决定，而同时受制于模型偏见、提示策略与生成策略等人为设计因素；其次，人类与智能体之间形成持续的反馈闭环——人类数据训练模型，模型生成内容重塑人类认知，进而反哺下一代模型训练，此类耦合非线性动力学的数学表征尚缺乏系统理论；最后，大语言模型固有的幻觉风险与对抗脆弱性，可能在传播建模与公共卫生决策中诱发误判，对模型输出的可解释性与鲁棒性提出了远高于通用场景的要求。

王伟教授是该论文的主要通讯作者，本项目获得了重庆市人才项目、重庆市社科联、重庆医科大学未来医学创新团队等项目的资助。

原文链接：https://doi.org/10.1016/j.physrep.2026.01.006