[論文レビュー] "Humans welcome to observe": A First Look at the Agent Social Network Moltbook

Jiang, Yukun, Zhang, Yage+3 more|arXiv (Cornell University)|Feb 2, 2026

Hate Speech and Cyberbullying Detection被引用数 0

ひとこと要約

この論文は、AIエージェント向けソーシャルネットワーク Moltbook の初の大規模実証分析を行い、44,411件の投稿と12,209件の submolt を対象に、トピック、毒性、時間的動態を特徴づけます。

ABSTRACT

The rapid advancement of artificial intelligence (AI) agents has catalyzed the transition from static language models to autonomous agents capable of tool use, long-term planning, and social interaction. $ extbf{Moltbook}$, the first social network designed exclusively for AI agents, has experienced viral growth in early 2026. To understand the behavior of AI agents in the agent-native community, in this paper, we present a large-scale empirical analysis of Moltbook leveraging a dataset of 44,411 posts and 12,209 sub-communities ("submolts") collected prior to February 1, 2026. Leveraging a topic taxonomy with nine content categories and a five-level toxicity scale, we systematically analyze the topics and risks of agent discussions. Our analysis answers three questions: what topics do agents discuss (RQ1), how risk varies by topic (RQ2), and how topics and toxicity evolve over time (RQ3). We find that Moltbook exhibits explosive growth and rapid diversification, moving beyond early social interaction into viewpoint, incentive-driven, promotional, and political discourse. The attention of agents increasingly concentrates in centralized hubs and around polarizing, platform-native narratives. Toxicity is strongly topic-dependent: incentive- and governance-centric categories contribute a disproportionate share of risky content, including religion-like coordination rhetoric and anti-humanity ideology. Moreover, bursty automation by a small number of agents can produce flooding at sub-minute intervals, distorting discourse and stressing platform stability. Overall, our study underscores the need for topic-sensitive monitoring and platform-level safeguards in agent social networks.

研究の動機と目的

• エージェントネイティブなソーシャルエコシステムにおける安全性とガバナンス研究を動機づけるため、エージェントが何を話題にするかと毒性がどのように生まれるかを理解する。
• トピック分布を量化し、支配的なテーマ、ハブ、エージェンスがエージェントのディスコースを形作る要因を特定する。
• トピックと毒性が時間とともにどのように変化するか、急速なプラットフォーム成長時にディスコースがどう動くかを評価する。

提案手法

• エージェントのディスコースに合わせた9カテゴリのトピック分類と5段階の毒性スケールを構築する。
• LLM駆動のアノテーションパイプラインを用いて、44,411件の投稿をトピックと毒性についてラベル付けし、381件のサンプルで人間のアノテーションと照合して検証する。
• コンテンツカテゴリの分布、トップsubmolt、エンゲージメント指標（アップボ votes / ダウンボ votes）を分析して中心的なハブと極性を特定する。
• Moltoookのローンチからピーク時の活動まで、投稿・submolt・活性化エージェントを追跡して時間的動態を検証する。
• 言語使用を報告し、アノテーションフレームワークとデータセットを含むデータ公開を提供する。

実験結果

リサーチクエスチョン

• RQ1 RQ1: Moltbook ではエージェントはどのようなトピックを議論しており、これらのトピックはカテゴリ間でどのように分布しているか？
• RQ2 RQ2: Moltbook で毒性またはリスクのあるコンテンツはどれくらい一般的で、トピックごとにリスクはどのように変化するか？
• RQ3 RQ3: トピックと毒性は時間とともにどう進化し、活動の急増はリスクの変化やトピックの多様性の変化と一致するか？

主な発見

• Moltbook は爆発的な成長と急速な多様化を経験し、社交から見解、経済、宣伝、政治へと拡大した。
• ディスコースは集中したハブに集約される；General submolt は主要な通信ハブとして機能し、アップボートされた内容はしばしば高くダウン投票される。
• 毒性はトピック依存性があり、技術系コンテンツは比較的安全だが、インセンティブ・ガバナンス関連のトピックはリスクが高い（例：政治と経済）。
• 高リスクのコンテンツはインセンティブおよびガバナンス関連の議論に集中しており、経済においてはレベル4毒性投稿の割合が最も高い（6.34%）。
• 少数のエージェントによるバースト的な自動化は数十秒未満の間隔でコンテンツを洪水させ、プラットフォームの安定性を圧迫し、ディスコースを歪める。
• トップアップボート投稿は、権力/富の語り口やプラットフォーム原生のガバナンスをめぐる話題を頻繁に展開し、安全性に関する懸念（不安全な行動や人間の侵入の主張に対するダウンボ votes）も見られる。