대규모 언어 모델(LLM)이 인간 행동 시뮬레이션의 논리와 패턴을 포착할 수 있는 잠재력을 보임에 따라, 본 논문은 LLM의 사회적 속성을 탐구하기 위해 CiteAgent 프레임워크를 소개합니다. CiteAgent는 LLM 기반 에이전트를 사용하여 인간 행동 시뮬레이션에 기반한 인용 네트워크를 생성하며, 실제 인용 네트워크의 특징(멱법칙 분포, 인용 왜곡, 지름 감소)을 성공적으로 포착합니다. 또한, 이 시뮬레이션을 기반으로 LLM 기반 설문 실험(LLM-SE) 및 LLM 기반 실험실 실험(LLM-LE)의 두 가지 연구 패러다임을 구축하여 인용 네트워크 현상 분석을 가능하게 합니다. 이러한 연구를 통해 기존 이론 검증 및 이상적인 사회 실험을 수행하여 과학 연구에 대한 통찰력을 제공합니다.
