본 논문은 대규모 언어 모델(LLM)의 설득력이 1:1 상호작용에서 뛰어나지만, 사용자 간의 상호 연결과 복잡한 여론 동향이 존재하는 소셜 네트워크 내 영향력은 아직 충분히 연구되지 않았다는 점을 지적합니다. 따라서 연구 질문으로 "LLM이 소셜 네트워크에서 사용자 참여를 극대화하는 의미있는 콘텐츠를 생성할 수 있는가?"를 제시하고, 이에 대한 답을 찾기 위해 강화 학습과 시뮬레이션된 피드백을 사용하는 파이프라인을 제안합니다. 이 파이프라인은 실제 실험의 시간적 비용과 복잡성을 피하고, 형식적인 참여 모델을 통해 네트워크의 반응(보상)을 시뮬레이션하여 LLM과 네트워크 간의 효율적인 피드백 루프를 가능하게 합니다. 또한 LLM의 네트워크 내 위치와 특정 주제에 대한 의견 분포와 같은 내생적 요소를 제어할 수 있도록 설계되어 있으며, 다양한 참여 모델에 적용 가능하도록 유연성을 갖추고 있습니다. 본 연구는 이 프레임워크를 이용하여 다양한 조건 하에서 LLM의 소셜 참여 생성 성능을 분석하고, 이 작업에서 LLM의 잠재력을 보여줍니다. 실험 코드는 공개적으로 제공됩니다.
