Page 32 - 《党政研究》2025年第4期

话语和文化信息的生成、分发及消费过程呈现出高度理性化、结构化和技术驱动的趋势。
借助大规模预训练模型和强化学习等技术，大语言模型能够在海量数据中提炼出普遍性和
逻辑性极强的语言模式，从而使得生成的政治话语和文化信息在内容上趋向于结构化和标
准化。这种以理性为主导的话语生产机制，反映了数字传播环境中大模型治理对信息内容
的再加工作用，使得情感和多样性在一定程度上被 “滤除”，从而引发了关于文化多元性
与技术化话语之间张力的讨论。总体而言，大语言模型推动下的网络政治文化呈现出一种
普遍的理性表达模式，这既有助于构建以逻辑和批判为基础的公共讨论空间，也引起了对
话语人文温度和多维价值表达可能缺失的深层次反思。
（四）大语言模型的广泛应用促进了民众政治态度的形成
全民网络政治参与的 “狂欢”加速民众政治态度的形成。网络政治参与较之于其他
途径的政治参与，耗费的时间成本更低，见效更快，问题解决更透明更彻底；公平公开的
途径、透明化的解决方式以及公开进度和结果无疑是对居民的一种参与激励。 对大语言
〔 １７〕
模型出现后的传播媒介的使用无疑加剧了这一现象的表现。传统上，政治话语的形成往往
依赖于新闻媒体、政党宣传机构或专业评论员，这种话语体系往往受到经济和政治权力的
不平等的影响，造成对话语垄断和资源分配的限制。而大语言模型借助深度学习技术和大
规模数据训练，使得普通民众也能借助大语言模型快速生成高质量的政治评论、观点阐述
和创意内容。特别是由于 ＤｅｅｐＳｅｅｋ 相较于其他大语言模型具有的开源和低成本的优势，
民众毋须依赖昂贵的技术设备或专业背景，就可以定制和生产反映个人政治立场的信息，
实现 “人人皆媒体”的局面，大幅提升了民众政治观念的可见性。
政治偏好的 “圈群”化与 “区隔”化。当个体形成确定的政治态度之后，个体会基
于共同态度和价值取向建立自身的政治 “圈群”。在这个圈群之中，相似的政治态度成为
“圈群”中成员彼此政治交往、进行政治意见交流的联结桥梁，同时因为这种由网络建立
起来 “圈群”的弱连接性，异质 “圈群”间具有较少的交流和沟通，最终导致这种相似
的政治态度也会在不同政治 “圈群”之间产生 “区隔”，甚至建立起 “我们”和 “他们”
的划分。在大语言模型的加持下政治 “圈群”表现出一种政治偏好放大化的倾向。在此
视域中，语言标签本质上是将语言逻辑内化为技术逻辑、将语义符号固化为语境之匙。
〔 １８〕
在具体的社会和政治实践中，民众借助大语言模型应用平台对特定政治议题进行观点整合
和表达，展现出一种自主构建政治话语的能力。然而，当政治信息通过各种媒介传递，并
受到语境调适与技术介入时，同一信息往往在不同群体中呈现出截然不同的效果。这种现
象不仅体现了群体内部话语固化的趋势，也揭示了跨群体之间认知隔阂的扩大。

三、大语言模型赋能下网络政治社会化的特征和价值

大语言模型的广泛应用加速了网络政治社会化的演进与变革，呈现出政治社会化主体
的二重性、内容的杂糅性、偏向的隐匿性和实践的便利性的基本特征。大语言模型网络政
治社会化的有效开展，实现了社会公共议题的重新结构化，推动了社会主流价值观的传
播，进而有利于现行政治权力体系的延续和发展。
（一）大语言模型赋能下网络政治社会化的基本特征
网络政治社会化主体的二重性。在以人为核心与大语言模型为辅助主体的政治社会化
过程中，二者之间形成了一种相互依存、协同演进的二重性关系。人类的实践行为不仅为
大语言模型提供丰富的学习数据，还塑造并约束其认知逻辑。与此同时，大语言模型通过
强大的信息整合与处理能力，实现了对人类认知边界的拓展与延展，赋能复杂政治信息的
筛选与理解。作为信息处理技术的重大突破，人工智能的出现标志着社会信息生态的深刻
１ · ·
３