대규모 언어 모델(LLM) 에이전트는 팀 단위로 배치되는 경우가 늘고 있지만, 특유의 사회적 방식으로 실패한다: 정보를 가진 쪽은 침묵하고, 발언을 주도하는 쪽은 집단을 잘못된 답에 고정시키며, 규범 위반은 제재받지 않는다. 우리는 LLM 에이전트 팀 내에서 변화하는 사회적 동역학을 모델링하고 검증하기 위한 프레임워크인 Agent Sociodrama를 제시한다. 고정된 페르소나 하에서, 에이전트의 감정 상태와 방향성 있는 비대칭적 관계는 통합된 외부 LLM 판정자(judge)에 의해 매 라운드마다 업데이트되며, 이는 이후 상호작용의 형태를 결정한다. 6개의 LLM 백본과 5개의 사회적 시나리오에 걸쳐, 우리는 고전적인 사회 이론 패턴 및 인간 판단과의 일치도를 통해 사회적 충실도(social fidelity)를 평가한다. 그 결과로 나타난 궤적(trajectory)은 구조화된 사회적 패턴과 모델별 차이를 보인다. 이어서 우리는 상호작용 기록(transcript)과 사회적 궤적으로부터 집단 동역학의 실패를 진단하고, 과제를 재실행하기 전에 에이전트 페르소나를 재구성하는 Trajectory-Guided Persona Recasting(TPR)을 제안한다. 4개의 협업 벤치마크에 걸쳐, TPR은 이질적으로 구성되거나 무작위로 초기화된 에이전트 페르소나 구성 모두에서 성능을 개선하며, 초기 캐스팅 대비 최대 83.3%p의 정확도 향상을 달성한다. 대표적인 분산 정보 협력(distributed-information cooperation) 및 혼합 동기 협상(mixed-motive bargaining) 과제에서, 우리는 네 번의 비교 중 세 번에서 SOTOPIA와 AgentVerse를 능가하며, Pareto 비율(Pareto rate)에서 최대 37.5%p의 차이를 보인다. 이러한 결과는 검증된 사회적 궤적이 LLM 에이전트 팀을 복구하기 위한 실행 가능한 신호를 제공함을 보여준다.
대규모 언어 모델(LLM)이 계산 사회 분석의 프록시로 점점 더 널리 사용되고 있으나, 인간 커뮤니티의 "두터운 기술(thick descriptions)"(Geertz, 1973)을 충실하게 표현하는 것은 여전히 중요한 과제로 남아 있습니다. 기존 평가는 종종 사회적 정체성을 정적인 레이블로 단순화하여 실제 집단이 사회적 변화에 대응하는 방식을 소외시킵니다. 이러한 격차를 해소하기 위해, 본 연구는 실제 뉴스에 대한 개별 커뮤니티의 진성적이고 사건 조건부인 반응을 기준으로 LLM이 시뮬레이션한 담화를 벤치마킹하는 반응 중심 프레임워크인 CARE(Community-Aware Reaction Evaluation)를 도입합니다. 207개의 Reddit 커뮤니티에 걸쳐 2,166개의 뉴스 기사에 대한 9,947개의 실제 반응을 포괄하는 CARE는 거친 태도와 세분화된 의사소통 톤을 아우르는 계층적 분류 체계를 사용하여 주요 LLM을 평가합니다. 우리의 실증적 분석 결과는 널리 쓰이는 커뮤니티 조건화(community-conditioning) 패러다임에서 두 가지 중대한 실패 모드를 드러냅니다. 첫째, 커뮤니티 문맥과 목표 지향적 추론이 매크로 수준의 태도 및 톤 프로파일링을 유의미하게 향상시키는 반면, 특정 사건에 대한 반응을 예측할 때는 이러한 이점이 인스턴스 수준에서 대체로 붕괴됩니다. 둘째, 커뮤니티 조건화의 이점은 현저하게 불균등합니다. 즉, 프롬프트 전략이 비균일한 변화를 초래하여 일부 커뮤니티에서의 충실도 향상이 다른 커뮤니티의 성능 저하로 상쇄됩니다. 이러한 미시-거시 간 괴리와 커뮤니티 수준의 불안정성은 표준 조건화가 동적이거나 공평한 사건 반응을 포착하지 못한 채 모델이 정적인 기준선 프로필을 근사하도록 할 뿐임을 보여주며, CARE가 커뮤니티 인지 사회 시뮬레이션을 위한 필수적인 진단 도구임을 확립합니다. 코드와 데이터는 https://github.com/nuankw/Handle_with_CARE 에서 제공됩니다.
대규모 언어 모델(LLM)은 사회적 시뮬레이션을 위한 확장 가능한 접근법을 제공하지만, 그 신뢰성은 에이전트(agent)를 어떻게 구축하느냐에 달려 있습니다. 기존 방법론은 인구 수준의 패턴을 부분적으로 재현할 수 있지만, 인간다운 다양성을 포착하지 못하는 경우가 많습니다. 본 연구의 분석에 따르면, 정적 프로필 기반 에이전트는 인간보다 더 강한 인구통계학적 분리와 집단 내 압축을 나타내며, 이는 정체성 본질주의(identity essentialism)와 일치하는 패턴입니다. 즉, 인구통계학적 레이블로 인해 모델이 집단 평균 성향을 개인의 고유한 특성으로 취급하게 되어 집단 내 응답을 동질화할 수 있습니다. 우리는 이러한 한계가 두 가지 관련 요인, 즉 희소하고 정적인 에이전트 표현 방식과 경험을 지속적으로 통합하는 프롬프트(prompt) 전용 메모리의 제한된 능력에서 기인한다고 주장합니다. 상보적 메모리 시스템에서 영감을 받아, 우리는 구조화된 생애 사건 검색과 경험 통합을 위한 에이전트별 매개변수 메모리를 결합한 종단적 메모리 프레임워크인 LifeMem을 제안합니다. 세 가지 LLM을 대상으로 Understanding Society 데이터셋에서 수행한 실험 결과, LifeMem은 응답 분포, 전체 및 집단 내 다양성, 생애 단계에 걸친 개인 내 응답 변화 패턴 측면에서 인간 데이터와의 정렬(alignment)을 향상시키는 것으로 나타났습니다. 이러한 결과는 더욱 신뢰할 수 있고 동적으로 진화하는 사회적 에이전트를 구축하는 데 있어 종단적 생애 사건 메모리가 갖는 가치를 강조합니다.
생성적 사회 시뮬레이터의 검증은 종종 표면 타당도에서 그친다. 창발적 �etwork 구조를 기술적으로만 비교할 뿐, 매개변수 불확실성을 정량화하거나 적절성(adequacy)을 검사하지 않는다. 우리는 amortized 사후 추정, 합성 식별가능성(identifiability) 평가, 표본 크기를 맞춘 적절성 검사(사전-예측 도달 가능성 및 통계량별 사후-예측 국소화), 진단 기반 수정, 통계량 홀드아웃 감사를 결합한 적절성 인식 보정 프로토콜을 제시한다. 채널×거주지 네 셀로 나뉜 실제 중고 명품 재판매 시장에서 이를 시연한다. 각 셀은 구매자-브랜드 이분 네트워크이며, 언어 모델로 오프라인에서 한 번 수집한 페르소나 프로필로 구축한 순방향 모델을 사용한다. 행동 매개변수는 네 셀 모두에서 복원 가능하나, 한 매개변수에 대해서는 보정이 근사적이고 과신(overconfident)하다. 관측 요약 통계는 모든 셀에서 시뮬레이터의 도달 가능성 기준 밖에 있으며, 구매 등급(tier) 평균이 전반적인 불일치이다. 수정은 네 셀 중 두 셀에서 value-block 기준을 만족하지만 적절성을 회복하지는 못하고, 홀드아웃 감사는 이전 진단이 포착하지 못한 구매자 폭(buyer-breadth) 분산 불일치를 드러낸다. 프로필 출처 ablation 결과, 언어 모델 프로필은 네 셀 모두에서 단순 규칙 기준선을 능가하지만, 카테고리 내 브랜드 재라벨링은 일관된 성능 저하를 일으키지 않는다. 따라서 프로필은 부분적으로 검증된 입력이며 그 가치는 브랜드 정체성이 아니라 구조에 있다. 인과적 주장은 하지 않고, 에이전트 상호작용이나 구매자 폭 메커니즘 없이 독립 집계(independent-aggregation)만으로는 시장의 구매 등급 수준, 상위 브랜드 집중, 커뮤니티 구조, 구매자 폭 이질성을 동시에 재현할 수 없다고 결론한다.
대규모 언어 모델(LLM)은 합성 설문 응답자를 포함하여 사회 시뮬레이터로 점점 더 많이 사용되고 있다. 대부분의 평가는 시뮬레이션 결과가 인간의 결과와 유사한지를 묻는다. 우리는 이것이 필요하지만 너무 약하다고 주장한다. 시뮬레이터는 잘못된 근거 유래 이유 패턴을 사용하면서도 최종 답변은 일치시킬 수 있기 때문이다. 우리는 각 응답자가 세 가지 제품 컨셉을 평가하고 서술형 근거를 작성한 94명 규모의 선크림 컨셉 테스트를 통해 이 문제를 연구한다. 우리는 이러한 근거를 부호가 있는 이유 상태 $Z$로 매핑하며, 양의 부호는 채택을 지지하고 음의 부호는 이를 막는다. 이는 실용적인 감사를 제공한다. 응답자 기술자 $D$, 카테고리 맥락 $K$, 컨셉 처치 $X$를 고정한 채, 인간의 근거 유래 이유가 행동 $Y$ 예측에 도움이 되는지, 그리고 LLM이 인간의 근거나 결과를 보지 않고도 동일한 이유 상태를 시뮬레이션할 수 있는지를 묻는다. 인간의 근거 유래 이유는 구매 의향의 홀드아웃 예측을 상당히 개선한다. LLM이 시뮬레이션한 이유는 더 취약하다. 종종 그럴듯하게 들리지만, 응답자의 수용 또는 거부 경로를 복원하기보다는 컨셉 보드(concept board)를 반복하는 경우가 많다. 본 논문은 사회 시뮬레이터를 위한 평가 프레임워크를 기여한다. 이유 상태는 그 자체로 자연적 인과 효과를 식별하지는 않지만, 시뮬레이터가 진술한 이유가 인간의 증거와 일치하는지에 대한 해석 가능한 검증을 제공한다.
스케일링 법칙(scaling laws)을 활용해 LLM의 컴퓨팅 규모와 사회 시뮬레이션 충실도 간의 관계를 의견 모델링, 행동 시뮬레이션, 종단 예측 세 영역에서 체계적으로 분석한 연구로, 85개 Qwen3 기반 모델과 35개 오픈 웨이트 모델 실험을 통해 대부분의 시뮬레이션 과제는 스케일 확대 시 성능이 향상되지만, 위험 회피 같은 인지 편향 보정이나 저자원 집단의 종단 예측 등 일부 과제는 스케일링으로 개선되지 않음을 밝혔다.
능동 추론(active inference)에 기반한 다중 에이전트 시뮬레이션으로 구조화된 사회 네트워크 위에서 사회적 순응과 창의적 이탈의 변증법적 상호작용을 형식화한다. 각 에이전트가 내부 생성 모델을 유지하며 이웃과 소통해 사회적 사전을 형성하고 새로운 관측을 창출·선택적으로 기억하는 과정에서, 정보적으로 응집된 사회 집단이 내인적으로 출현하고 사회적 표상과 관측 분포가 순환적으로 상호 구성되며, 창작물은 지역적 상호작용을 통해 문화적 틈새를 이루는 선택적·이질적 전파 패턴을 보인다.
대규모 언어 모델(LLM) 기반 생성형 에이전트는 계획, 기억 검색, 반성, 행동 선택과 같은 중간 단계로 구성된 장기 의사결정 과정을 통해 인간 행동을 시뮬레이션한다. 그러나 이러한 중간 단계에 대한 세밀한 인간 주석은 여전히 부족하며, 기존 에이전트는 그러한 중간 의사결정에 대한 인간 선호에 기반하고 있지 않다. 이 격차를 해소하기 위해, 우리는 에이전트 의사결정 궤적에 대한 단계 수준 인간 선호 감독을 수집할 수 있는 대화형 시뮬레이션 인터페이스인 \method를 도입하여 57K개의 세밀한 주석으로 구성된 데이터셋을 구축한다. 우리는 이 데이터에 대해 지도 파인튜닝과 직접 선호 최적화를 사용하여 오픈 가중치 언어 모델에서 단계 수준 선호 학습을 수행하고, 시뮬레이션 충실도, 협조, 상호작용 품질을 일관되게 개선하며 더 사회적으로 효과적인 에이전트 행동을 유도한다. 우리의 결과는 단계 수준 인간 감독이 국소적 의사결정 품질과 장기 에이전트 행동 모두를 개선하는 데 효과적인 학습 신호임을 보여준다.
본 장은 고전적 에이전트 기반 모델, 즉 명시적으로 정의된 행동 규칙에 따라 에이전트들이 상호작용하는 모델에서부터 출발하여, 대규모 언어 모델(LLM)에 기반한 AI 강화 시뮬레이션, 그리고 궁극적으로 현실 세계의 사회-기술 시스템을 고충실도·데이터 기반으로 표현한 사회 디지털 트윈(Social Digital Twins)에 이르는 진화를 살펴본다. 이 궤적을 따라 각 패러다임의 주요 방법론적 기반, 응용, 장점, 한계를 논하며, 일반적인 사회적 메커니즘을 탐구하기 위해 설계된 추상적 모델에서 특정 사회 시스템의 점점 더 현실적인 계산적 표현으로의 점진적 전환을 강조한다.
SocaSim은 퍼트남의 사회자본 이론(소셜 네트워크, 신뢰, 규범)을 LLM 기반 다중 에이전트 시뮬레이션으로 모델링하기 위한 프레임워크로, BDI 인지 구조와 라운드 기반 집단 행동 실험을 통해 이론적 거시 패턴을 재현한다. 스마트 노인 돌봄 시나리오에 적용한 반사실적 개입 실험에서 초기 신뢰 향상이 기술 수용률을 15.4% 높이고 의사결정 모순을 25.5% 줄이는 인과 경로를 미시적 수준에서 추적했다.
LLM 에이전트 시뮬레이션의 출력이 실제 예측으로 과대 해석되는 문제를 해결하기 위해, AgoraSim은 텍스트·멀티모달 아티팩트를 편집 가능한 에이전트 기반 모델(ABM) 설정으로 변환하고 LLM, 비전-언어(VLM), 고전적 규칙 기반 에이전트를 비율 제어 방식으로 혼합 실행하는 하이브리드 프레임워크를 제안한다. 모든 에이전트가 공유 구조화 결정 객체를 출력하여 동일 시나리오를 고전적 참조 역학(임계값 확산, SIR 전파, 여론 수렴 등)과 직접 비교함으로써, 사용자가 모델링 가정의 차이를 명시적으로 검토하고 경험적 검증이 필요한 사례를 식별할 수 있게 한다.
LLM 에이전트가 자신의 추론에 따라 실제로 행동하는지 측정하기 위해, Texas Hold'em 시뮬레이터에서 결론-행동(conclusion→action)과 추론-결론(reasoning→conclusion) 두 단계로 충실성 격차를 분리한 결과, 결론-행동 불일치율은 명시적 태그 사용 시 1% 미만으로 신뢰할 수 있지만, 추론-결론 단계에서는 규칙 오적용이 발생하며 이 경우 거의 항상(99.5%) 위험 회피 방향으로 오류가 편향됨을 발견했다. 기계적 규칙 적용을 지시하면 오적용 비율이 절반으로 감소하며, 이는 능력 한계가 아닌 헤징 행동임을 시사한다.
사회적 환경에서의 효과적인 에이전시는 에이전트가 언제 지식을 구하고, 언제 행동하며, 그 행동이 획득한 정보에 의해 정당화되는지에 달려 있다. 기존의 그라운딩 벤치마크는 실행 가능한 행동, 지속적 상태, 검증 가능한 결과를 제공하는 반면, 사회적 시뮬레이션 환경은 언어 에이전트 간의 풍부한 상호작용을 제공한다. 우리는 이 두 가지 요건을 결합한 평가 설정을 연구한다. 우리는 사회적으로 분산된 태스크 환경을 태스크 관련 지식이 역할 격리된 참여자들 사이에 분산되어 있고, 결과적 행동은 오직 그들을 통해서만 접근 가능한 인터랙티브 환경으로 정의한다. 커뮤니케이션은 역할 분할된 지식에 대한 탐험(exploration)으로, 그라운딩된 행동은 환경(environment) 상태에 대한 활용(exploitation)으로 기능한다. 우리는 Concordia 기반 프레임워크인 Incognita를 소개하며, 이는 사회적 상호작용과 그라운딩된 실행을 분리한다. 평가 대상 에이전트(agent)는 메시지를 사용자 또는 전문가 엔티티로 라우팅하고, 전문가는 허용 가능한 연산을 중개하며, 결정론적 하위 환경이 정규 상태에 대해 승인된 연산을 실행하고, 오프라인 평가자가 상속된 보상(reward)으로 결과를 채점한다. Incognita-Retail은 tau-bench 리테일을 최종 상태 보상 의미론을 유지하면서 다중 엔티티 환경으로 변환한다. 우리는 사회적 폭 기준으로 계층화된 18개 태스크에 대해 세 가지 생성형 에이전트 모델을 540회 시험으로 평가한다. 보상과 행동 양면에서 발전이 나타난다. 성공률은 0%에서 8.9% 및 17.2%로 상승하고, 조기 종료는 100%에서 87% 및 58%로 감소한다. 더 강력한 모델일수록 더 많은 숨겨진 지식을 이끌어내고, 더 많은 엔티티와 접촉하며, 더 많은 그라운딩된 쓰기를 시도하지만, 신뢰성은 여전히 낮다. 이러한 결과는 사회적으로 분산된 태스크 환경이 지식 도출, 출처 선택, 그라운딩된 행동 시도, 조기 완료 믿음 등 신뢰할 수 있는 성공에 앞서 행동을 드러낸다는 것을 보여준다.
소비자 신뢰는 일반적으로 지속적인 거시경제 지표로 모델링되지만, 그 변동은 이질적인 제약, 노출, 사전 신념, 그리고 어텐션을 통해 경제 정보를 해석하는 가계들로부터 발생한다. 우리는 ConsumerSim을 소개한다. 이는 마이크로데이터 보정 합성 인구, 타임스탬프가 부여된 거시경제·금융·정책·뉴스 신호, 설문 유사 응답 생성, 사후 계층화 신념 확장, 행동 관성 정렬을 통해 소비자 신뢰 지수(CCI) 동학을 재구성하는 생성적 인간-환경 반응 프레임워크이다. 미국, EU27, 일본 공식 CCI 목표 시계열에 걸쳐 ConsumerSim은 보고된 재구성 지표에서 지속성, 시계열, 회귀, 정보 증강 기준선 대비 1위를 기록하며, 높은 현저성 충격 주변에서 명확한 성능 향상을 보인다. 재구성된 신호는 또한 실물 경기의 단기 예측을 개선하며, 주택 결과에 대해 가장 일관된 성능을 보인다. 메커니즘 분석은 CCI 변동이 현저한 사건 주변에 집중되고, 하위 집단 궤적이 방향에서는 종종 일치하지만 크기에서는 차이를 보이며, 신호 민감도가 소득, 주택 소유 여부, 교육 수준, 정치적 성향 집단에 따라 다양함을 보여준다. 인구 확장 및 절제(ablation) 실험 결과는 대표적 집계, 상황적 신호, 페르소나 이질성, 관성이 정확도와 진단 모두에 필수적임을 나타낸다. 이 연구 결과는 소비자 신뢰를 순수한 집계 시계열이 아닌 해석 가능한 인간-환경 반응 과정으로 보는 행동주의적 관점을 지지한다.
인간은 사회적 삶을 통해 학습합니다. LLM(대규모 언어 모델) 기반 에이전트를 사용하여 이 과정을 시뮬레이션하는 것은 유망한 연구 방향이며, 다음과 같은 자연스러운 질문을 던집니다. 즉, LLM이 인간의 행동을 더 잘 이해하고 재현하기 위해 이러한 시뮬레이션된 사회적 경험으로부터 학습할 수 있는가 하는 것입니다. 그러나 기존 에이전트 사회 시뮬레이션은 대개 며칠 수준의 규모로 운영되어 사회적 상호작용의 깊이와 장기적 성장을 제한한다는 한계가 있습니다. 본 논문에서는 에이전트 사회 내에서 장기적인 삶 시뮬레이션과 LLM 학습을 연구하며, 두 가지 목표를 가집니다: (1) 평생에 걸친 시뮬레이션에서 발현되는 사회적 행동을 조사하고, (2) 수년간의 시뮬레이션된 사회적 경험을 통해 LLM의 인간 유사 능력, 특히 사회적 삶에서의 지능을 개발하는 것입니다. 구체적으로, 우리는 다중 에이전트 사회에서의 장기적인 삶 시뮬레이션을 위한 포괄적인 프레임워크인 Agentopia를 제시합니다. 여기서 100개의 에이전트는 10개의 시뮬레이션 연도에 걸쳐 자율적으로 개인의 성장을 추구하고, 사회적 관계를 형성하며, 자신의 욕구와 목표를 충족해 나갑니다. 우리는 인간의 웰빙(well-being)을 반영하는 생활 보상(life reward)을 정의하고, 이 보상을 활용하여 거부 샘플링(rejection sampling) 방식으로 LLM을 학습시킵니다. 광범위한 실험을 통해 에이전트들이 풍부한 창발적 사회적 행동을 보여줌을 확인했습니다. 또한, 생활 보상 학습은 기본 LLM을 효과적으로 향상시켜 시뮬레이션 내 에이전트의 웰빙을 개선할 뿐만 아니라, 하류 역할극 벤치마크에서도 +15.6%의 성능 향상을 보이며 일반화되었습니다.