대규모 언어 모델로 사회적 세계 모델 구축하기
Building Social World Models with Large Language Models
정책 변화부터 과학적 돌파구에 이르기까지 사건에 대응하여 사회적 신념이 어떻게 진화하는지 이해하고 예측하는 것은 사회과학의 근본적인 과제입니다. 대규모 언어 모델(LLM)의 상식 지식과 사회적 지능을 바탕으로, 우리는 다음 질문을 던집니다: LLM이 사회적 사건 이후 사회적 신념의 역학을 모델링할 수 있는가? 본 연구에서는 주요 사건에 대응하여 사회적 신념이 어떻게 진화하는지 포착하도록 설계된 일반적인 프레임워크인 사회적 세계 모델(Social World Model, SWM) 개념을 소개합니다. SWM은 사회 데이터에서 시간적 패턴을 마이닝하고 증거 하한(evidence lower bound)을 최적화하여 사회적 신념의 상태 전이 함수(state-transition functions)를 학습하며, 이 과정에서 사건과 신념 변화를 연결하는 명시적인 인간 주석이나 비용이 많이 드는 인구 조사 데이터가 필요하지 않습니다. SWM을 평가하기 위해 실제 예측 시장(prediction markets)인 Kalshi와 Polymarket에서 파생된 벤치마크인 SWM-bench를 소개합니다. SWM-bench는 정치, 금융, 암호화폐 등 다양한 도메인에 걸친 사회적 신념 예측 작업을 위한 1만 2천 개 이상의 데이터 포인트를 포함합니다. 실험 결과, SWM은 시계열 파운데이션 모델(time-series foundation models)을 크게 능가하여 Kalshi 데이터에서 최첨단(state-of-the-art) 성능을 달성하고 Polymarket 데이터에서도 경쟁력 있는 성능을 보여주었으며, 사회적 신념 역학의 근본적인 메커니즘에 대한 해석 가능한 통찰을 제공합니다.