본 논문은 소셜 미디어와 생성형 AI의 발전으로 인한 정보 확산의 변화와 그에 따른 가짜 정보 확산 문제를 다룹니다. 기존의 SIR 모델과 같은 전통적인 방법론은 온라인 상호작용의 복잡성을 충분히 포착하지 못하며, attention mechanism이나 graph neural network와 같은 고급 방법론은 사용자 심리 및 행동 역학을 간과하는 한계가 있습니다. 본 논문은 사용자의 태도, 감정, 반응을 포착하는 LLM 기반 시뮬레이션 환경을 제시합니다. 초기 실험에서 LLM이 생성한 행동과 실제 인간의 역학 사이에 상당한 차이가 발견되었고, 특히 태도 감지와 심리적 현실성 측면에서 차이가 컸습니다. 이러한 문제를 해결하기 위해, 사회정보처리이론(SIP) 기반 사고연쇄(CoT) 메커니즘과 감정 유도 메모리를 강화하여 사회적 단서 해석, 목표 개인화 및 피드백 평가를 개선하는 SIP-CoT 메커니즘을 제안합니다. 실험 결과 SIP-CoT를 강화한 LLM 에이전트가 사회 정보를 더 효과적으로 처리하고, 실제 인간 상호 작용에 더 가까운 행동, 태도 및 감정을 보여주는 것을 확인했습니다. 본 연구는 현재 LLM 기반 전파 시뮬레이션의 중요한 한계를 강조하고, SIP-CoT와 감정 메모리 통합을 통해 LLM 에이전트의 사회적 지능과 현실성을 크게 향상시키는 방법을 보여줍니다.
