Projekt

Multi-Agent-Geruechteintervention

Ein Social-Computing-Wettbewerbsprojekt, das Geruechteverbreitung modellierte und den Propagationsindex durch messbare Intervention senkte.

Python · Qwen2.5-14B-Instruct · Multi-Agent Simulation · NetworkX · Social Computing

2025.06-2025.07

Product Snapshot

Role: Teamlead und Core Engineer
Focus: Rollen-Agents, Ausbreitung und Widerstand, Zentralitaet und Communities sowie Loeschen, Ueberzeugen, Edge-Breaking und Banning.
Validation: Teamunterlagen berichten eine Senkung des Geruechteindex um 0.3 durch kombinierte Intervention.
Public Proof: BDSC2025-Material dokumentiert 200 Knoten, 2.000 Kanten und die Metrik; sie wurde fuer dieses Portfolio nicht unabhaengig reproduziert.

Next Step

Portfolio PDF About the Founder Email

Projekt

Dieses Projekt habe ich fuer den BDSC2025 Social Computing Innovation Competition geleitet.

Wir behandelten Geruechteverbreitung als Multi-Agent-Sozialsystem statt als einzelne Klassifikationsaufgabe. Spannend war nicht, jeden Agenten moeglichst klug aussehen zu lassen, sondern sinnvolles kollektives Verhalten im Netzwerk zu erzeugen.

Meine Rolle

Ich uebernahm den groessten Teil von Engineering und Koordination:

Server- und Runtime-Setup
Deployment von Qwen2.5-14B-Instruct
Uebersetzung des Briefings in einen Ausfuehrungsplan
Koordination der Teamarbeit zwischen Modulen
Rollen-Agents, Ausbreitung, Widerstand und Kernlogik der Intervention organisiert

Ergebnis

Projektmaterial dokumentiert 200 Knoten und 2.000 Kanten. Teamunterlagen berichten, dass die kombinierte Intervention den Geruechteindex um 0.3 senkte.

Das Originalexperiment wurde fuer dieses Portfolio nicht erneut ausgefuehrt; die Zahl bleibt deshalb klar als Teamprojektergebnis gekennzeichnet.