[논문 리뷰] Do LLM-Driven Agents Exhibit Engagement Mechanisms? Controlled Tests of Information Load, Descriptive Norms, and Popularity Cues

Tai-Quan Peng, Yuan Tian외 3명|arXiv (Cornell University)|2026. 03. 21.

Language and cultural evolution인용 수 0

한 줄 요약

본 연구는 LLM-driven Weibo-like 시뮬레이션을 사용하여 정보 로드, 서술적 규범, 그리고 내재적 인기도 큐가 이론적으로 근거 있는 참여 패턴을 생성하는지 여부를 테스트한다. 그 결과 로드에 민감한 참여와 규범 맥락에 따라 달라지는 밴드왜건 효과를 발견했다.

ABSTRACT

Large language models make agent-based simulation more behaviorally expressive, but they also sharpen a basic methodological tension: fluent, human-like output is not, by itself, evidence for theory. We evaluate what an LLM-driven simulation can credibly support using information engagement on social media as a test case. In a Weibo-like environment, we manipulate information load and descriptive norms, while allowing popularity cues (cumulative likes and Sina Weibo-style cumulative reshares) to evolve endogenously. We then ask whether simulated behavior changes in theoretically interpretable ways under these controlled variations, rather than merely producing plausible-looking traces. Engagement responds systematically to information load and descriptive norms, and sensitivity to popularity cues varies across contexts, indicating conditionality rather than rigid prompt compliance. We discuss methodological implications for simulation-based communication research, including multi-condition stress tests, explicit no-norm baselines because default prompts are not blank controls, and design choices that preserve endogenous feedback loops when studying bandwagon dynamics.

연구 동기 및 목표

• 소셜 미디어 맥 context에서 참여 메커니즘을 테스트하기 위한 LLM-driven 시뮬레이션의 사용을 촉진한다.
• 정보 로드, 서술적 규범, 그리고 인기도 큐가 이론적으로 해석 가능한 참여 패턴을 생성하는지 여부를 검토한다.
• 참여 임계값과 참여 할당을 구분하여 메커니즘별 효과를 식별한다.
• 내재적 인기도 신호(밴드왜건 큐)가 맥락별 실험 조작과 어떻게 상호 작용하는지 평가한다.

제안 방법

• Sina Weibo–like 환경의 LLM-파워드 에이전트 기반 시뮬레이션을 558 에이전트와 시드 포스트로 개발한다.
• 네트워크 콘텐츠를 일정하게 유지하면서 활성화당 표시되는 게시물 수를 변화시켜 정보 로드를 조작한다.
• 참조를 통해 참여 형식(좋아요 vs 리포스트)의 확산을 프레이밍하는 프롬프트로 서술적 규범을 조작한다; 노_norm 기저선도 포함한다.
• 인기도 큐(누적 좋아요 및 재공유)가 내재적으로 진화하도록 하여 의사결정에 영향을 준다.
• 참여를 두 단계 결과로 다룬다: 참여 임계값(참여 vs 읽기)과 참여 할당(좋아요, 리포스트, 인용)
• 이원 회귀 분석으로 분석한다: 참여 대 읽기에 대한 이진 로지스틱 회귀, 형태 선택에 대한 다항 로지스틱 회귀.

Figure 1: Observed distribution of engagement behaviors across normative regimes and information load levels.

실험 결과

연구 질문

• RQ1 RQ1: LLM-driven 에이전트가 용량 기반 기대치와 일치하는 로드에 민감한 참여 확률 변화를 보이는가?
• RQ2 RQ2: 인기도 큐가 참여 가능성을 증가시키고 반응 확률을 밴드왜건 효과에 일치하도록 증폭시키는가?
• RQ3 RQ3: 서술적 규범이 규범적 프롬프트로 신호된 참여 할당을 재구성하는가?
• RQ4 RQ4: 정보 로드, 서술적 규범, 그리고 인기도 큐가 어떻게 함께 참여 임계값과 할당을 형성하는가?

주요 결과

• 참여 가능성은 인기도 큐와 강하게 연관되며, 기저 조건에서 정보 로드가 높아질수록 음의 기울기를 보인다.
• 서술적 규범 프롬프트는 참여 할당을 바꿔 서로 다른 규범 체계에서 참여 형태의 계층 구성을 초래한다.
• 인기도 큐, 정보 로드, 그리고 리포스트-지배 규범 사이의 의미 있는 3중 상호작용은 조건부 밴드왜건 효과를 드러내며, 높은 인기도 큐가 정보 로드가 높더라도 참여를 촉진할 수 있다.
• 노_norm 및 좋아요-지배 규범은 로드에 민감한 패턴을 공유하는 반면, 리포스트-지배 규범은 높은 로드 하에서 인기도 큐에 더 강하게 반응한다.
• 참여 할당은 구별된 패턴을 보이며, 좋아요-지배 규범은 좋아요를 선호하고, 리포스트-지배 규범은 리포스트를 선호하며, 이러한 효과는 로드와 인기도 큐와 상호작용한다.

Figure 2: Predicted probability of engagement (vs. read-only) adjusted by information load, popularity cues, and normative regimes.