PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.02654v1cs.AI

LLM 에이전트에서의 일관성 기반 신념 형성과 감염의 집단 역학

Coherence-Driven Belief Formation and Population Dynamics of Contagion in LLM Agents

사회적 감염(social contagion) 모델은 대개 개인이 신념을 수용하는 방식을 가정한 뒤 이로부터 집단 행동을 도출합니다. 본 연구는 이와 달리 언어 모델(LLM) 에이전트에서 신념 수용을 실증적으로 측정하여, 얼마나 많은 동료가 특정 주장을 지지하는지에 따라 에이전트가 해당 주장을 수용할 확률을 정량화합니다. 연구 결과, 이러한 수용 커널(adoption kernel)은 복합 감염(complex contagion)의 특징인 시그모이드(sigmoid) 형태를 띠며, 주장의 타당성, 출처의 신뢰성, 에이전트의 성향이라는 세 가지 요인에 민감한 임계값을 갖는 것으로 나타났습니다. 이 세 차원은 단일 유효 차원으로 잘 근사되며, 본 논문에서는 이를 유입되는 신념과 LLM 에이전트의 사전 신념 간의 일관성(coherence)으로 이해할 수 있음을 제안합니다. 나아가 AI 에이전트 시스템에서 신념 수용의 집단 역학을 관찰한 결과, 무작위 네트워크보다 군집화된 네트워크에서 더 멀리 확산되는 복합 감염의 특성을 확인했습니다. 또한 이러한 시스템은 분기하는 연쇄 반응 구간(bifurcating cascade window)과 자기유지적 이력 현상 기반의 합의(hysteretic consensus)를 보여주며, 이로 인해 한 번 형성된 합의는 형성하기보다 제거하기가 훨씬 더 어려워집니다.