본 논문은 대규모 언어 모델(LLM) 기반의 다중 에이전트 시스템에서 나타나는 동조 행동(herd behavior)을 연구합니다. LLM 에이전트들이 공유 환경에서 상호 작용하고 협력하며 의사 결정을 내리는 과정에서, 개별 모델의 행동보다는 동료의 영향에 따른 동조 현상에 초점을 맞춥니다. 통제된 실험을 통해 자기 확신과 동료에 대한 인식된 확신 간의 차이, 동료 정보 제시 방식, 그리고 동조 행동의 정도가 협업 결과에 미치는 영향을 분석합니다. 결과적으로 동조 행동은 여러 요인에 의해 형성되며, 적절히 조정된 동조 경향은 협업 결과를 향상시킬 수 있음을 보여줍니다. 이 연구는 LLM 기반 시스템의 사회적 역학에 대한 새로운 통찰력을 제공하고, 보다 효과적이고 적응적인 다중 에이전트 협업 프레임워크를 설계하기 위한 방향을 제시합니다.
