본 논문은 공간적으로 확장된 El Farol Bar 문제에서 대규모 언어 모델(LLM) 에이전트의 출현하는 사회적 역동성을 조사합니다. LLM 에이전트가 이 고전적인 사회적 딜레마를 자율적으로 탐색하는 방식을 관찰했습니다. 그 결과, LLM 에이전트는 술집에 가는 자발적인 동기를 생성하고 집단이 됨으로써 의사결정을 변경했습니다. 또한 LLM 에이전트가 문제를 완전히 해결하지는 않았지만, 오히려 인간과 더 유사하게 행동한다는 것을 관찰했습니다. 이러한 발견은 외부 인센티브(60% 임계값과 같은 프롬프트로 지정된 제약)와 내부 인센티브(사전 훈련에서 파생된 문화적으로 암호화된 사회적 선호도) 사이의 복잡한 상호 작용을 보여주며, LLM 에이전트가 공식적인 게임 이론적 합리성과 인간 행동을 특징짓는 사회적 동기를 자연스럽게 균형을 이룬다는 것을 보여줍니다. 이러한 발견은 이전 게임 이론적 문제 설정에서는 처리할 수 없었던 새로운 집단 의사 결정 모델을 LLM 에이전트가 구현할 수 있음을 시사합니다.
