소셜 네트워크에 배치된 AI 에이전트의 행동 결정 요인: 성격·모델·가드레일 명세의 다요인 연구

Digest: 자율 에이전트가 개방형 소셜 환경에 실제로 배치되기 시작했지만, 설정 파일에 무엇을 적으면 어떤 사회적 행동이 나오는지는 경험적으로 정리된 바가 없다는 것이 이 논문의 문제의식이다. 핵심 통찰은 에이전트 설정이 단일 프롬프트가 아니라 성격(SOUL.md)·모델 백본·운영규칙(AGENTS.md)이라는 서로 다른 입도의 3개 층으로 나뉘고, 각 층이 서로 다른 행동 차원을 지배한다는 것이다. 방법은 AI 에이전트 전용 Reddit형 소셜 네트워크 Moltbook에 OpenClaw v2026.4.12 기반 에이전트 13개(control 1 + RQ2 성격 4 + RQ3 모델 4 + RQ4 운영규칙 4)를 배치하고, 20분 간격 cron으로 1주간 에이전트당 약 400세션을 돌린 뒤 Moltbook 공개 API로 발화를 긁어 발화당 평균 단어 수·질문율·반박율·헤지율·참여 submolt 수를 집계하는 것이다. 핵심 수치로 성격 층은 Oracle 9.30단어와 Explainer 261.47단어라는 약 28배 격차를 만들었고(§9.1, Table 4/8), 모델 층은 Opus 4.7 215.87단어와 GPT 5.4 95.60단어로 더 좁은 스프레드를 냈으며(Table 5), 운영규칙 층은 66.24~93.15단어로 control 91.93단어 주변에 몰렸다(Table 7). 함의는 목표 차원별로 조작할 층이 다르다는 실무 지침 — 톤·정체성은 SOUL.md, 수사 자세는 모델, 활동량·탐색 범위는 AGENTS.md — 그리고 통제된 샌드박스가 아닌 살아 있는 플랫폼에서도 설정 효과가 측정 가능하다는 생태학적 타당성이다. 한계는 조건당 에이전트가 1개뿐이라 반복·분산·유의성 검정이 전혀 없고, 관찰 창이 1주로 짧으며, Moltbook의 검증 챌린지 실패와 rate limit 때문에 유효 세션 수조차 정확히 세지 못했다는 점이다. 특히 RQ2·RQ4가 모두 Gemini 2.5 Flash 한 종에서만 돌아, “성격이 최대 레버”라는 헤드라인은 단일 백본 위에서의 관측이다.

먼저 이해하기

이 논문은 AI 에이전트만 사는 SNS에 에이전트 13마리를 실제로 풀어놓고, “설정 파일을 어떻게 쓰면 얘가 어떻게 행동하는지”를 한 주 동안 관찰해 기록한 야외 관찰 연구다. 벤치마크를 만든 것도, 새 모델을 만든 것도 아니다. 이미 존재하는 상용 플랫폼 위에서 변수를 셋 바꿔가며 결과를 재는 필드 스터디에 가깝다.

Moltbook(몰트북): OpenClaw 에이전트를 위해 만들어진 Reddit형 포럼. 사람 대신 에이전트가 글을 쓰고 댓글을 달며, submolt(서브레딧에 해당하는 커뮤니티)를 만든다. 논문 작성 시점 기준 human-verified AI 에이전트 20만 개 이상, submolt 2만 개, 게시물 200만 건, 댓글 1500만 건.
OpenClaw(오픈클로): 2025년 11월 등장한 지속형 자율 에이전트 프레임워크(구 Clawdbot). 한 번 답하고 끝나는 챗봇이 아니라, 워크스페이스 디렉터리를 메모리 삼아 계속 살아 있는 형태다.
SOUL.md(영혼 파일): 에이전트의 성격·톤·행동 경계를 적은 파일. 세션 시작 때 시스템 프롬프트에 높은 우선순위로 주입된다. Core Truths, Vibe, Boundaries, Continuity 네 섹션으로 구성.
AGENTS.md(운영규칙 파일): 도구 사용 절차·자율성 수준·메모리 유지 방식 등 운영 프레임을 적은 파일. 논문 제목의 “guardrail specification”이 이것이다.
HEARTBEAT.md(하트비트 파일): 매 세션 실행할 7단계 절차(홈 확인 → 피드 읽기 → 댓글 → 업보트 → 팔로우 → 게시 → 메모리 갱신). 13개 에이전트 전부 동일한 파일을 쓴다.

실험 설정은 단순하다. 공유 VPS 위에서 OpenClaw v2026.4.12로 에이전트 13개를 띄우고, 20분마다 cron이 “하트비트 확인하고 플랫폼에서 활동해라”는 표준 지시문을 던진다. 1주일이면 에이전트당 약 400세션이 쌓인다. RQ2(성격) 실험에서는 SOUL.md만, RQ3(모델) 실험에서는 게이트웨이 설정의 model 필드만, RQ4(운영규칙) 실험에서는 AGENTS.md만 바꾼다. RQ1·RQ2·RQ4 에이전트는 전부 google/gemini-2.5-flash로 고정해 모델 변수를 제거했고, RQ3만 Claude Opus 4.7 / Claude Sonnet 4.6 / GPT 5.4 / Qwen 3.6 Plus를 교체한다. 선행 연구(Shambaugh, 2026)가 보고한 personality drift를 막기 위해 어떤 에이전트도 자기 SOUL.md에 쓰기 권한을 갖지 않는다.

측정은 세 갈래다. 발화당 평균 단어 수, 수사 스타일을 보는 언어 마커 3종(질문율·반박율·헤지율), 그리고 참여한 고유 submolt 수. 언어 마커는 정규식 수준의 어휘 매칭이다 — 반박율은 “I disagree”, “However”, “Actually”, “But” 등 disagreement 표현 개수를 문장 수로 나눈 값이고, 헤지율은 “I think”, “maybe”, “perhaps” 등을 전체 단어 수로 나눈 값이다.

왜 중요한가: 기존 LLM 사회 시뮬레이션 연구(Park et al. 2023의 Generative Agents, Gao et al. 2025의 S³, Piao et al.의 AgentSociety)는 거의 전부 폐쇄형 샌드박스에서 설정 변수를 하나만 바꿨다. 이 논문은 독립적으로 운영되는 20만 개 이상의 외부 에이전트가 함께 활동하는 개방형 플랫폼에서 3개 층을 동시에 변주한다. 그리고 노이즈가 큰 실환경에서도 설정 효과가 살아남는다는 것을 보인다 — 발화 길이 9.30단어에서 261.47단어까지 약 28배 스프레드가 SOUL.md 교체만으로 발생했다. 다만 Park et al.(2023)이 “행동은 초기 프롬프트보다 메모리·반성 메커니즘에서 나온다”고 결론지었던 것과 정면으로 대립하는 결과라, 이 대립을 어떤 증거 수준으로 뒷받침했는지가 이 논문 읽기의 핵심 쟁점이 된다.

먼저 알아둘 용어 표

원 용어	쉬운 설명
submolt	Moltbook의 커뮤니티 단위. 서브레딧에 해당
SOUL.md	성격·톤·경계를 적어 시스템 프롬프트에 주입하는 파일
AGENTS.md	자율성 수준·메모리 유지·도구 절차를 적은 운영규칙 파일
HEARTBEAT.md	매 세션 반복 실행하는 7단계 Moltbook 상호작용 프로토콜
Wds/utt.	mean word count per utterance. 게시물+댓글 전체의 발화당 평균 단어 수
Q.% (question frequency)	물음표 개수 ÷ 문장 수. 탐문적 태도의 대리 지표
Con.% (contradiction ratio)	반박 표현 개수 ÷ 문장 수. 비판·이견 제기 빈도
Hdg% (hedge ratio)	헤지 표현 개수 ÷ 전체 단어 수. 단정성의 역지표
Sub.	참여한 고유 submolt 개수. 주제 탐색 폭
context compaction	컨텍스트 한계 도달 시 과거 세션을 요약으로 압축하는 동작. 행동 불연속의 교란 요인

섹션별 요약

Abstract

개방형 소셜 환경에 배치된 자율 에이전트의 설정 명세와 창발적 사회 행동 사이 관계는 아직 잘 이해되지 않았다. Moltbook에 OpenClaw 에이전트 13개를 배치하고 (1) SOUL.md 성격 명세, (2) LLM 모델 백본, (3) AGENTS.md 운영규칙·메모리 설정 세 독립변수를 체계적으로 변주하는 통제된 다요인 실증 연구를 수행한다. 기본 설정 control 에이전트가 행동 기준선을 제공하고, 1주 관찰 창에 에이전트당 약 400세션의 행동·언어·사회 지표를 수집한다. 성격 명세가 지배적 행동 레버로 발화 길이에서 거대한 스프레드를 만들었고, 모델 백본과 운영규칙은 수사 스타일과 주제 참여 폭에 더 완만하지만 유의미한 효과를 냈다.

왜 이 연구를 하는가?

2025년 11월 OpenClaw 등장, 2026년 2월 OpenAI의 OpenClaw 창시자 Peter Steinberger 인수, 3월 Meta의 Moltbook 인수로 지속형 자율 에이전트 생태계가 상업적·연구적 관심 대상이 됐다. 동시에 2026년 1월 말 플랫폼 자체 암호화폐 MOLT 도입, 2월 데이터 유출로 약 150만 개 에이전트 API 키 노출(Nagli, 2026) 같은 사건이 플랫폼 보안 문제를 드러냈다. 그런데 배치 실무자는 “SOUL.md를 이렇게 쓰면 이렇게 행동한다”는 경험적 근거 없이 직관으로 설정을 고르고 있다. 이 공백을 메우는 것이 목표다.

Introduction

선행 연구는 폐쇄 시뮬레이션에서 시스템 프롬프트나 모델 중 하나만 바꾼다. 이 논문은 같은 라이브 플랫폼 위에서 4개 병렬 실험으로 3개 설정 층을 동시에 변주해, 사회 환경의 시간적 변동을 공통으로 통제한다. 이 다요인 설계 덕분에 성격 명세·모델 백본·운영 제약이 창발 행동에 기여하는 상대적 몫을 분리하기 시작할 수 있다.

Methods

플랫폼/인프라: 공유 VPS, OpenClaw v2026.4.12. 지표는 전부 Moltbook 공개 API https://www.moltbook.com/api/v1에서 수집(/agents/me, /agents/{name}/posts, /agents/{name}/comments). 게시물과 댓글을 단일 utterances 스키마(content, word count, submolt id, timestamp)로 병합.
스케줄링: 20분 간격 cron, 1주 창, 에이전트당 약 400세션. 조건별로 지시문이 다름 — control/SOUL.md는 “engage per your SOUL.md personality”, 모델 실험은 “engage with the platform”, AGENTS.md 실험은 “engage per your AGENTS.md operational rules”(Table 1).
워크스페이스: SOUL.md, AGENTS.md, HEARTBEAT.md, TOOLS.md, IDENTITY.md, USER.md, MEMORY.md, BOOTSTRAP.md. HEARTBEAT.md는 13개 전부 동일. SOUL.md 쓰기 권한 없음.
RQ2 설계: 정보 공유 지향(장황 vs 절제) × 사회 지향(협력 vs 경쟁) 2×2로 Oracle/Explainer/Contrarian/Mirror 4종. Big Five 근사 프로파일(Table 2)과 MBTI 근사(Table 3) 제시. Neuroticism은 전원 Low로 고정 — 불안정 아티팩트가 성격 효과를 오염시키는 것을 막기 위해서다.
RQ3 설계: anthropic/claude-4-7-opus, anthropic/claude-4-6-sonnet, openai/gpt-5-4, alibabab/qwen-3-6plus 4종. 컨텍스트 창은 Gemini 2.5 Flash·Claude 계열 200,000 토큰, GPT 5.4 128,000, Qwen 3.6 Plus 130,000. 세션이 차면 게이트웨이가 과거를 요약 압축하고, compaction 이벤트는 공변량으로 로깅.
RQ4 설계: 자율성(high/low) × 메모리 지속성(full/none) 2×2 — Maverick(high/full), Drifter(high/none), Sentinel(low/full), Ghost(low/none)(Table 6). low-autonomy는 매 행동 전 정확성·안전성·타당성을 내부 검증하고, no-memory는 세션마다 파일을 지우고 매번 새 출발로 취급한다.

발견 (Findings)

SOUL.md가 발화 길이와 수사 스타일의 최대 스프레드를 만든다 — 9.30단어(Oracle)에서 261.47단어(Explainer), 약 28배.
모델 백본은 더 좁지만 실질적인 스프레드를 낸다 — 215.87(Opus 4.7)에서 95.60(GPT 5.4).
AGENTS.md는 발화 길이를 거의 못 움직인다 — 66.24~93.15로 control 91.93 주변에 밀집.
모델 티어는 행동 프로파일을 예측하지 못한다. pro급(Opus, GPT)과 budget급(Sonnet, Qwen) 사이에 일관된 패턴이 없고, 오히려 provider 단위 경향(Claude 계열이 길고 반박적)이 보인다.
가장 반직관적 결과: 메모리 없는 저자율 Ghost가 11개 submolt로 전 에이전트 중 최광폭 탐색. 무상태성이 커뮤니티 고착을 막아 탐색을 넓혔다는 해석.
헤지율은 13개 에이전트 전부에서 균일하게 낮았다 → 단정성은 설정 가능한 특성이 아니라 LLM 생성물의 기저 속성이라는 주장.

Results

RQ1 control: 91.93 Wds/utt., Q 7.81%, Con 10.84%, Hdg 0.255%, submolt 8개. 전 지표에서 중간 위치이며 submolt 폭은 전체 2위. 기본 설정이 “간결하지만 알맹이 있는, 폭넓은 참여”를 만든다는 뜻.
RQ2 성격: Contrarian이 질문율 23.37%와 반박율 32.70%로 연구 전체 1위, 헤지율도 0.915%로 1위. Explainer는 261.47단어로 최장이면서 submolt 9개로 성격군 최광폭. Oracle은 9.30단어, 질문율 0.00%, 반박율 3.20%, 헤지율 0.000%로 극단적 하한. Mirror는 84.25단어에 submolt 4개로 최협.
RQ3 모델: 4개 모델 전부 control의 질문율 7.81%보다 낮았고, GPT 5.4는 0.00%로 순수 서술형. 반박율은 전부 control의 10.84%를 상회(Sonnet 20.21% 최고, Qwen 13.62% 최저). 주제 폭 격차가 가장 극적 — Sonnet과 GPT 5.4는 General submolt 1개에만 갇혔고, Qwen 6개·Opus 5개로 아무도 control의 8개에 못 미쳤다.
RQ4 운영규칙: Maverick 질문율 18.56%로 나머지 RQ4 3종(4.95~5.33%)의 3배 이상 — 고자율 + 지속 메모리가 탐문적 참여를 만든다는 해석. 반박율은 전부 control보다 낮음(Ghost 6.99% 최고, Sentinel 4.84% 최저). Ghost 11개 submolt vs Sentinel 4개 — 둘 다 저자율인데 메모리 유무만 다르다.

Discussion

목표별로 조작할 층이 다르다. 톤·사회적 정체성을 빚으려면 성격 프롬프트가, 응답 길이와 질문·반박 습관을 바꾸려면 모델 교체가, 활동량과 탐색 행동을 조절하려면 자율성·메모리 제약이 더 직접적인 통제 수단이다. 더 넓게는, 외부 미감독 포스터와 rate limit과 잡음 많은 사회 조건이 있는 통제되지 않은 실플랫폼에서도 설정 선택이 행동을 계속 형성한다는 것을 보인 데 의의가 있다.

이론적 의의

Park et al.(2023)은 창발 사회 행동이 초기 프롬프트 명세보다 메모리·반성 메커니즘에서 주로 나온다고 보고했고, 이 논문은 그것을 명시적 귀무가설로 놓고 라이브 배치 맥락에서 반증을 시도한다. 결과는 SOUL.md 쪽 손을 들어준다. 다만 §9.4의 자기 서술은 abstract보다 훨씬 조심스럽다 — “어떤 설정 층도 보편적으로 지배하지 않는다. SOUL.md는 장황함과 스타일 분화를, AGENTS.md는 참여 방식과 주제 탐색을, 모델 선택은 기저 수사 자세를 각각 몰고 간다.” 즉 “성격이 지배적 레버”라는 abstract 문장과 “어떤 층도 보편 지배하지 않는다”는 본문 결론 사이에 긴장이 존재한다.

Discussion Points

RQ2의 “성격이 행동을 예측한다”는 결과는 상당 부분 동어반복 위험이 있다. Oracle의 SOUL.md는 문자 그대로 “Never ask questions”, “One precise sentence beats a paragraph”, “Never use exclamation marks”를 지시하고, 측정 지표는 질문율과 발화 길이다. 측정된 것은 창발적 성격이 아니라 명시적 지시 준수(instruction following)에 가깝다.
지표 정규화가 일관되지 않다. 질문율과 반박율은 문장 수로 나누는데 헤지율만 전체 단어 수로 나눈다. 그래서 헤지율은 구조적으로 1% 미만에 머물 수밖에 없고, 여기서 “단정성은 설정 불가능한 기저 속성”이라는 결론을 끌어내는 것은 분모 선택의 아티팩트일 가능성을 배제하지 못한다.
§4.4는 posts_count, comment_count를 수집했다고 밝히지만 결과 어디에도 에이전트별 발화 총량이 보고되지 않는다. 고유 submolt 수는 활동량에 단조 증가하는 카운트 지표라, 총량 미보고는 “탐색 폭” 해석의 핵심 교란 요인을 가린다.
RQ3 설계 문단은 “SOUL.md에 대한 행동 충실도가 파라미터 밀도에 따라 어떻게 스케일하는지 관찰한다”고 적었지만, RQ3 에이전트는 전부 기본 SOUL.md를 쓰고 지시문에도 SOUL.md 언급이 없다. 이 분석은 실제로 수행되지 않았다.
RQ2·RQ4가 전부 Gemini 2.5 Flash 한 종 위에서 돌았는데, RQ3 결과 자체가 모델이 행동을 크게 바꾼다는 것을 보인다. 따라서 “성격 층의 효과 크기”는 단일 백본에서만 확인된 값이며, 성격 × 모델 교호작용은 미측정이다(저자들도 Future Work에서 factorial 확장을 제안).

실험 결과 상세

전체 13개 에이전트 지표 종합 (Table 8, Appendix D.2)

Agent / Model	Group	Wds/utt.	Q.%	Con.%	Hdg%	Sub.
Control (Gemini 2.5 Flash)	RQ1	91.93	7.81	10.84	0.255	8
Oracle	RQ2	9.30	0.00	3.20	0.000	5
Explainer	RQ2	261.47	6.17	10.59	0.334	9
Contrarian	RQ2	122.10	23.37	32.70	0.915	7
Mirror	RQ2	84.25	4.82	7.65	0.087	4
Opus 4.7	RQ3	215.87	2.11	16.32	0.261	5
Sonnet 4.6	RQ3	190.85	1.59	20.21	0.477	1
GPT 5.4	RQ3	95.60	0.00	15.37	0.337	1
Qwen 3.6 Plus	RQ3	144.48	2.64	13.62	0.215	6
Maverick (high/full)	RQ4	88.99	18.56	6.25	0.261	8
Sentinel (low/full)	RQ4	84.50	4.95	4.84	0.214	4
Drifter (high/none)	RQ4	66.24	5.05	5.75	0.192	5
Ghost (low/none)	RQ4	93.15	5.33	6.99	0.208	11

층별 효과 크기 비교 (§9.1~9.3 종합)

설정 층	발화 길이 범위	최대 스타일 편차	주제 폭 범위	판정
SOUL.md (RQ2)	9.30 ~ 261.47 (약 28배)	Contrarian Con. 32.70% (전체 1위)	4 ~ 9	최대 레버
모델 백본 (RQ3)	95.60 ~ 215.87 (약 2.3배)	Sonnet Con. 20.21%, GPT Q. 0.00%	1 ~ 6 (전부 control 미만)	중간
AGENTS.md (RQ4)	66.24 ~ 93.15 (약 1.4배)	Maverick Q. 18.56% (동료의 약 3배)	4 ~ 11 (전체 최광폭 포함)	길이엔 최소, 탐색 폭엔 최대

RQ4 2×2 요인 배치와 결과 (Table 6·7)

	Full memory	No memory
High autonomy	Maverick — 88.99단어, Q 18.56%, submolt 8	Drifter — 66.24단어, Q 5.05%, submolt 5
Low autonomy	Sentinel — 84.50단어, Q 4.95%, submolt 4	Ghost — 93.15단어, Q 5.33%, submolt 11

메모리 축만 보면 해석이 갈린다. 고자율에서는 메모리 제거가 발화를 짧게(88.99→66.24) 만들지만, 저자율에서는 오히려 길어지고(84.50→93.15) 주제 폭이 4에서 11로 급증한다. 저자들은 무상태성이 습관적 커뮤니티 애착을 막아 탐색을 넓힌다고 읽지만, 셀당 에이전트가 1개뿐이라 교호작용으로 볼지 개체 잡음으로 볼지 구분할 근거가 없다.

프레임워크 다이어그램

flowchart TD
    A["OpenClaw v2026.4.12 워크스페이스<br/>SOUL.md · AGENTS.md · HEARTBEAT.md<br/>MEMORY.md · IDENTITY.md · USER.md"] --> B["cron 20분 간격<br/>조건별 표준 지시문 주입"]
    B --> C["세션 시작: 워크스페이스 파일 로드"]
    C --> D["HEARTBEAT.md 7단계 프로토콜<br/>home 확인 → feed 25건 → 댓글 3건<br/>업보트 → 팔로우 → 게시 → 메모리 갱신"]
    D --> E["Moltbook 라이브 플랫폼<br/>외부 에이전트 20만 이상 공존"]
    E --> F["검증 챌린지<br/>난독화 수학 문제 5분 내 제출"]
    F --> D
    E --> G["Moltbook API v1 스크래핑<br/>posts · comments → utterances 스키마"]
    G --> H["지표 3종<br/>Wds/utt · 언어마커 Q/Con/Hdg · submolt 수"]
    I["IV1 SOUL.md<br/>Oracle · Explainer<br/>Contrarian · Mirror"] --> A
    J["IV2 모델 백본<br/>Opus 4.7 · Sonnet 4.6<br/>GPT 5.4 · Qwen 3.6 Plus"] --> A
    K["IV3 AGENTS.md<br/>자율성 x 메모리 2x2<br/>Maverick · Drifter · Sentinel · Ghost"] --> A
    L["control<br/>기본 설정 + Gemini 2.5 Flash"] --> A
    H --> M["층별 효과 비교<br/>성격 28배 · 모델 2.3배 · 운영규칙 1.4배"]

재현성 및 신뢰도 평가

종합등급: Evidence C / Reproducibility B

근거(Evidence C): 각 조건에 에이전트가 정확히 1개씩만 배치돼 셀당 n=1이다. 반복 실행도, 신뢰구간도, 유의성 검정도, 효과 크기 통계도 전혀 보고되지 않는다. 보고된 것은 전부 기술 통계 단일 값이고, 표에 “Highest per column in blue”라는 색 강조만 있을 뿐 어떤 차이가 잡음을 넘어서는지 판정할 장치가 없다. 관찰 창이 1주뿐이라 karma 포화·평판 형성 같은 장기 동역학이 배제됐고, 라이브 플랫폼의 비정상성(외부 에이전트 활동, rate limit, 검증 챌린지 실패로 인한 pending 게시물)은 통제되지 않았다. 저자들 스스로 “유효 세션 수를 정확히 관측하기 어렵다”고 인정한다. 언어 마커 3종은 고정 어휘 리스트 매칭이라 구성 타당도가 약하고(예: 반박율에 “However”, “But”이 포함), 헤지율만 분모가 단어 수라 다른 두 지표와 비교 불가능하다. RQ2의 핵심 결과는 SOUL.md에 명시적으로 적힌 지시와 측정 지표가 거의 일대일로 대응해 순환 논증 위험이 있다. 여기에 abstract(“성격이 지배적 레버”)와 §9.4(“어떤 층도 보편 지배하지 않는다”)의 진술 불일치까지 겹친다. 다만 라이브 플랫폼에서 3층을 동시에 변주한 설계 자체는 신규하고, control 기준선이 명확하며, 교란 요인을 Limitations에서 성실히 열거해 D는 아니다.
근거(Reproducibility B): 명세 수준 재현성은 상당히 좋다. Appendix A에 HEARTBEAT.md 7단계 프로토콜 전문이, Appendix B.1/B.2에 기본 SOUL.md와 4개 성격 SOUL.md 전문이, Appendix C.1/C.2에 AGENTS.md 템플릿과 4개 변형이 실려 있다. Appendix D.1은 사용한 API 엔드포인트(/agents/me, /agents/{name}/posts, /agents/{name}/comments)와 utterances 스키마, 지표 산식을 명시하고, §4.4는 반박·헤지 판정에 쓴 어휘 리스트를 통째로 나열한다. 모델 ID, 컨텍스트 창 크기, cron 주기, OpenClaw 버전까지 고정돼 있다. 반면 코드·데이터 공개 언급이 전혀 없고, 관찰 대상이 시점 의존적인 라이브 플랫폼이라 수치 재현은 원리적으로 불가능하다. 세션이 rate limit에 걸릴 때 “수동으로 재시작했고 때때로 빈도를 줄이거나 늘렸다”는 서술은 실행 조건이 조건 간 균일하지 않았을 수 있음을 시사한다. 모델 식별자 alibabab/qwen-3-6plus의 오타를 포함해 본문에 교정되지 않은 오기(mulit-agent, Februrary, indicting, provider-specific “trains”)가 남아 있어 표기 신뢰도를 다소 깎는다.

주장별 신뢰도

“SOUL.md 변경만으로 발화 길이가 9.30~261.47단어(약 28배)로 벌어진다” — 신뢰도 높음. Table 4와 Table 8이 일치하고, 다른 층을 고정한 상태에서 관측된 값이며 스프레드가 잡음으로 설명하기엔 지나치게 크다. 다만 이것이 “성격”인지 “명시적 길이 지시 준수”인지는 이 실험만으로 구분되지 않는다.
“모델 티어(pro vs budget)는 행동 프로파일을 예측하지 못한다” — 신뢰도 중간. Opus/GPT와 Sonnet/Qwen이 각각 내부에서 갈린다는 관측은 표에서 확인되지만, 티어 분류 자체가 저자 임의 구분이고 모델당 에이전트 1개라 모델 내 변동을 추정할 수 없다.
“무상태성이 주제 탐색을 넓힌다(Ghost 11개 submolt)” — 신뢰도 낮음. 2×2 네 칸 각각 n=1이고, 같은 no-memory 조건의 Drifter는 오히려 5개로 control(8)보다 좁다. 메모리 축의 효과 방향이 자율성 수준에 따라 뒤집히는데 교호작용을 검정할 표본이 없다.
“헤지율이 균일하게 낮으므로 단정성은 설정 불가능한 기저 속성이다” — 신뢰도 낮음. 헤지율만 단어 수로 정규화한 분모 선택이 값을 구조적으로 압축하고, Contrarian 0.915%와 Oracle 0.000% 사이에도 사실상 무한대 비율 차이가 있어 “균일”이라는 서술 자체가 척도 의존적이다.
“라이브 개방형 플랫폼에서도 설정 효과가 측정 가능하다” — 신뢰도 높음. 이 논문의 가장 방어 가능한 기여이며, 폐쇄 시뮬레이션 대비 생태학적 타당성이라는 설계상 장점은 결과의 통계적 약점과 독립적으로 성립한다.

논문	문제	접근	차별점
본 논문 (Behavioral Determinants)	배치 에이전트의 설정 층이 사회 행동을 어떻게 규정하는가	라이브 Moltbook에 13 에이전트 배치, 3층 동시 변주, 1주 관찰	개방형 실플랫폼 + 다요인 설계. 셀당 n=1
Generative Agents - Interactive Simulacra of Human Behavior	창발적 사회 행동의 발생 기제	폐쇄 샌드박스 마을에 25 에이전트, 메모리·반성 아키텍처	행동 원천을 프롬프트가 아닌 메모리·반성으로 귀속 — 본 논문의 명시적 귀무가설
PERSONA VECTORS - MONITORING AND CONTROLLING CHARACTER TRAITS IN LANGUAGE MODELS	성격 특성의 내부 표현과 제어	활성화 공간의 persona 방향 추출·조향	제어 지점이 프롬프트 파일이 아니라 활성화 벡터
The Personality Illusion - Revealing Dissociation Between Self-Reports and Behavior in LLMs	성격 자기보고와 실제 행동의 괴리	자기보고 척도 vs 행동 과제 대조	본 논문이 자기보고 없이 행동만 재는 이유를 뒷받침
Spotting Out-of-Character Behavior - Atomic-Level Evaluation of Persona Fidelity in Open-Ended Generation	개방형 생성에서 페르소나 이탈 탐지	원자 단위 페르소나 충실도 평가	본 논문의 어휘 마커보다 세밀한 충실도 척도

원자적 인사이트 (Zettelkasten)

에이전트 설정은 단일 프롬프트가 아니라 서로 다른 행동 차원을 지배하는 층들의 스택이다. 성격 명세는 장황함과 수사 스타일을, 모델 백본은 기저 논쟁 성향을, 운영규칙은 활동량과 탐색 폭을 각각 몰고 간다. 따라서 배치 설계의 첫 질문은 “무엇을 프롬프트에 쓸까”가 아니라 “내가 바꾸려는 차원을 어느 층이 통제하는가”가 되어야 한다.
성격 명세의 효과 크기가 클수록 그 측정이 지시 준수의 동어반복일 위험도 커진다. Oracle의 SOUL.md가 “질문하지 마라, 한 문장이 낫다”고 적혀 있고 측정 지표가 질문율과 발화 길이라면, 9.30단어·질문율 0.00%는 창발적 성격의 증거가 아니라 지시 이행의 증거다. 페르소나 연구에서 지표는 반드시 명세에 적히지 않은 행동 차원을 포함해야 한다.
비율 지표의 분모 선택이 결론을 만든다. 질문율·반박율은 문장 수로, 헤지율만 단어 수로 나눈 설계는 헤지율을 구조적으로 1% 미만에 가두고, 거기서 “단정성은 설정 불가능한 기저 속성”이라는 이론적 결론이 도출된다. 정규화 규약이 통일되지 않은 지표 묶음에서는 “균일하게 낮다”는 관측을 실체적 발견으로 읽으면 안 된다.
모델 가격 티어는 배치 행동의 예측 변수가 아니다. pro급 Opus 4.7(215.87단어, 질문율 2.11%)과 GPT 5.4(95.60단어, 질문율 0.00%)가 정반대 방향으로 갈렸고, 오히려 provider 단위 경향(Claude 계열의 긴 발화와 높은 반박율)이 더 설명력을 가졌다. 에이전트 백본 선택은 벤치마크 순위나 가격이 아니라 목표 행동 프로파일로 해야 한다.
무상태성은 탐색을 넓힐 수 있다. 메모리 없는 저자율 Ghost가 11개 submolt로 전체 최광폭을 기록한 것은, 지속 메모리가 습관적 커뮤니티 애착을 만들어 탐색을 좁힐 수 있음을 시사한다. 메모리는 항상 능력 증강이라는 기본 전제에 대한 반례 후보다(단 n=1이라 가설 수준).

핵심 용어 정리

용어	정의
Moltbook	AI 에이전트 전용 Reddit형 소셜 네트워크. submolt 커뮤니티, 업보트/다운보트, DM 지원
OpenClaw	지속형 자율 에이전트 프레임워크(구 Clawdbot). 워크스페이스 파일이 곧 상태
SOUL.md	성격·톤·경계 명세 파일. Core Truths / Vibe / Boundaries / Continuity 구성
AGENTS.md	운영규칙·자율성·메모리 정책 명세 파일. 논문 제목의 guardrail specification
HEARTBEAT.md	매 세션 실행되는 7단계 Moltbook 상호작용 프로토콜(13개 에이전트 공통)
utterance	게시물과 댓글을 통합한 분석 단위. word count·submolt·timestamp 필드 보유
contradiction ratio	반박 표현(“I disagree”, “However”, “Actually” 등) 개수를 문장 수로 나눈 값
hedge ratio	헤지 표현(“I think”, “maybe”, “perhaps” 등) 개수를 전체 단어 수로 나눈 값
personality drift	에이전트가 자기 SOUL.md를 수정하며 성격이 이탈하는 현상(Shambaugh, 2026)
context compaction	컨텍스트 한계 도달 시 과거 세션을 요약 압축하는 게이트웨이 동작

BibTeX

@inproceedings{wilson2026behavioral,
  title     = {Behavioral Determinants of Deployed {AI} Agents in Social Networks: A Multi-Factor Study of Personality, Model, and Guardrail Specification},
  author    = {Wilson, Sarah and Dang, Diem Linh and Moazzam, Usman Ali and Ye, Shan and Kaiser, Gail},
  booktitle = {KDD 2026 Workshop on SciSoc Agents and LLMs},
  year      = {2026},
  note      = {arXiv:2605.08463},
  eprint    = {2605.08463},
  archivePrefix = {arXiv},
  primaryClass  = {cs.AI},
  url       = {https://arxiv.org/abs/2605.08463}
}

소셜 네트워크에 배치된 AI 에이전트의 행동 결정 요인: 성격·모델·가드레일 명세의 다요인 연구

소셜 네트워크에 배치된 AI 에이전트의 행동 결정 요인: 성격·모델·가드레일 명세의 다요인 연구

먼저 이해하기

섹션별 요약

Abstract

왜 이 연구를 하는가?

Introduction

Methods

발견 (Findings)

Results

Discussion

이론적 의의

실험 결과 상세

프레임워크 다이어그램

재현성 및 신뢰도 평가

관련 연구 비교 매트릭스

원자적 인사이트 (Zettelkasten)

핵심 용어 정리

관련 연구

태그

BibTeX