대규모 언어 모델(LLM)을 활용한 사회 시뮬레이션은 그럴듯한 행동 생성 이상을 요구하며, 구조화되고, 수정 가능하며, 추적 가능한 인지 기반 추론이 필요하다는 주장을 담고 있다. LLM 기반 에이전트는 주로 프롬프팅과 지도 방식 미세 조정을 통해 개인 및 집단 행동을 시뮬레이션하는 데 사용되지만, 내적 일관성, 인과 추론, 신념 추적성이 부족하여 사람들이 추론하고, 숙고하며, 개입에 반응하는 방식을 시뮬레이션하는 데 신뢰성이 떨어진다. 이를 해결하기 위해, 본 논문은 인지 과학에서 영감을 얻어 생성적 에이전트의 구조화된 신념 표현을 지원하는 개념적 모델링 패러다임인 Generative Minds (GenMinds)를 제시한다. 또한, 이러한 에이전트를 평가하기 위해 인과 추적성, 인구 통계적 근거, 개입 일관성을 통해 추론 충실도를 평가하는 RECAP (REconstructing CAusal Paths) 프레임워크를 소개한다. 본 연구는 단순 모방에서 사회 시뮬레이션을 위해 언어뿐만 아니라 사고까지 시뮬레이션하는 생성적 에이전트로의 광범위한 변화를 제시한다.
