본 논문은 대규모 언어 모델(LLM)의 사회적 네트워크 형성 행동을 인간의 네트워크 동역학과 비교 분석하는 프레임워크를 제시합니다. 합성 및 실제 환경(친구, 통신, 고용 네트워크 등)에서 LLM은 선호적 연결, 삼각 폐쇄, 동질성과 같은 기본적인 미시적 원칙과 커뮤니티 구조, 소세계 효과와 같은 거시적 특성을 일관되게 재현함을 보여줍니다. 특히, 이러한 원칙의 상대적 강조는 상황에 따라 달라지는데, 예를 들어 LLM은 친구 네트워크에서는 동질성을, 조직 설정에서는 이질성을 선호하여 사회적 이동성 패턴을 반영합니다. 인간 참가자 설문조사 결과는 LLM과 인간 참여자 간 링크 형성 결정의 높은 일치성을 확인합니다. 이 연구는 LLM이 사회적 시뮬레이션 및 합성 데이터 생성을 위한 강력한 도구가 될 수 있음을 보여주는 동시에, 인간 네트워크에 참여하는 AI 시스템의 편향, 공정성, 설계에 대한 중요한 질문을 제기합니다.
