말하기 전에 생각하기: 다중 에이전트 사회 시뮬레이션에서 내부 평가로부터 공개 발화까지

Digest: LLM 기반 다중 에이전트 시뮬레이션은 대부분 상호작용을 “보이는 발화의 연쇄”로만 표현하기 때문에, 침묵·발화 의향·자기검열처럼 발화 이전에 일어나는 내부 평가 과정을 관찰할 수 없다는 것이 이 논문의 문제의식이다. 핵심 통찰은 사적 추론(thinking)과 공개 발화(speaking)를 아키텍처 수준에서 분리하고, 발화하지 않는 에이전트도 매 interval마다 구조화된 내부 상태를 갱신하게 하면 “내부 평가 → 발화 의향 → 공개 발화”라는 경로 자체가 분석 가능한 데이터가 된다는 것이다. 방법은 TBS(Think-Before-Speak)라는 interval 기반 프레임워크로, 각 에이전트가 perceived_inconsistency·dissonance_tension·motivation_to_reduce_dissonance·perceived_opinion_climate·perceived_isolation_risk·response_strategy·time_cost 같은 필드를 매 interval 갱신하고, orchestrator가 동시 발화 시도를 time_cost 최소값으로 중재해 interval당 정확히 하나의 발화만 공개 기록에 커밋한다(§4). 실험은 solar PV mandate라는 기후 정책 주제의 town hall 토론에서 Six Americas·Balanced Stakeholders 두 페르소나 생태를 Gemini-2.5-Flash-Lite로 돌리고, turn-allocation(willing vs rotation)·Force Speak 유무·memory mode(last/random/summary)를 교차 변주한다(§5). 핵심 수치로 dissonance index는 Cronbach’s α=.89, silence-pressure index는 α=.92로 내적 일관성이 확보됐고(§6.1), logistic mixed-effects 모형에서 dissonance .10 증가는 발화 의향 odds를 약 4.34배로 올린 반면(b=1.47, p<.001) silence pressure .10 증가는 odds ratio 약 0.24로 떨어뜨렸다(b=−1.43, p<.001)(§6.2). 반면 이미 발화 의향이 형성된 뒤의 2단계에서는 내부 상태의 효과가 marginal 수준으로 사라지고(dissonance b=0.08, p=.054), willing mode라는 규칙 변수만 강하게 남았다(b=1.21, p<.001, OR≈3.34). 함의는 “관찰된 발화 ≠ 내부 의향”이며 사회 시뮬레이션에서 발화량을 태도의 대리 지표로 쓰면 turn-allocation 구조가 만든 인공물을 심리 효과로 오독하게 된다는 것이다. 한계는 저자 스스로 preliminary라고 명시했고 실행 규모(run 수·interval 수·에이전트 수)와 효율성 수치가 본문에 전혀 보고되지 않았으며, contribution 목록에는 미완성 원고의 흔적인 [PLACEHOLDER: empirical improvements ...] 문자열이 그대로 남아 있다는 점이다.

먼저 이해하기

이 논문은 “AI 에이전트들이 모여 공청회(town hall)를 하는 시뮬레이터”를 만들되, 말한 내용만이 아니라 말하기 전에 속으로 한 계산까지 로그로 남기도록 설계한 연구다. 사람의 공개 토론에서 침묵은 “생각이 없음”이 아니라 “말할 만한 순간이 아니라고 판단함”인데, 기존 시뮬레이션은 이 구분을 표현하지 못한다.

TBS(Think-Before-Speak): 생각 단계와 말하기 단계를 분리한 다중 에이전트 시뮬레이션 프레임워크. 이름 그대로 “말하기 전에 생각한다”.
interval(구간): 이 프레임워크의 시간 단위. 한 interval에 발화 기회는 딱 하나뿐이지만, 모든 에이전트가 그 interval에서 생각은 한다.
internal state(내부 상태): 에이전트가 매 interval 갱신하는 구조화된 필드 묶음. 지금 남의 말이 내 입장과 얼마나 충돌하는지, 얼마나 긴장되는지, 분위기가 내 편인지, 말했다가 고립될 위험은 얼마인지 등을 숫자로 적는다.
spiral of silence(침묵의 나선): 자기 의견이 소수라고 느끼면 의견 자체는 그대로여도 말을 안 하게 된다는 커뮤니케이션 이론(Noelle-Neumann, 1974).
cognitive dissonance(인지 부조화): 내 입장과 충돌하는 말을 들으면 긴장이 생기고, 그 긴장을 줄이려 방어·재해석·수정·철회 중 하나를 하게 된다는 이론(Festinger, 1957).

작동 방식은 이렇다. orchestrator(사회자 역할의 규칙 엔진, 페르소나 없음)가 매 interval마다 (1) 모든 에이전트에게 생각을 시키고, (2) 말하겠다고 손 든 에이전트 중 time_cost(반응에 걸린다고 스스로 추정한 초 단위 시간)가 가장 작은 하나만 골라 발언권을 주고, (3) 그 발화를 전원에게 방송한다. 나머지 에이전트의 발화 의향은 “보류(withheld)“되고 내부 상태만 갱신된다. 즉 발화하지 않은 에이전트도 계속 데이터를 남긴다.

비교 대상인 기존 두 패러다임은 각각 결함이 있다. hierarchical aggregation은 모든 에이전트가 같은 라운드에서 병렬로 답하므로 서로의 최신 발언을 못 봐 정보 비대칭이 생기고, sequential turn-taking은 기록은 일관되지만 자기 차례가 와야만 생각하므로 비발화자의 내부 갱신이 아예 모델링되지 않는다. 게다가 순차 방식은 라운드당 |𝒜|개 interval을 쓰므로 T = 𝒜 × ℛ의 비용 구조를 갖는다(§3.2).

왜 중요한가: 이 설계 덕분에 “내부 상태 → 발화 의향 → 실제 발화”를 두 단계로 분해해 통계적으로 검증할 수 있게 된다. 논문의 결과는 두 단계가 서로 다른 변수에 지배된다는 것이다. 1단계(의향 형성)에서는 dissonance가 odds를 약 4.34배 올리고 silence pressure가 OR≈0.24로 억제하지만, 2단계(발언권 획득)에서는 내부 상태 계수가 b=0.08(p=.054), b=−0.07(p=.082)로 marginal 수준까지 떨어지고 turn-allocation 규칙(willing mode b=1.21, OR≈3.34)만 강하게 남는다. 즉 transcript만 보는 시뮬레이션은 프로토콜이 만든 결과를 심리적 결과로 착각할 구조적 위험을 안고 있다.

먼저 알아둘 용어 표

원 용어	쉬운 설명
interval	발화 기회 1회에 해당하는 최소 시간 단위. 이 단위로 전원이 생각한다
time_cost	에이전트가 스스로 추정한 반응 소요 시간. 동시 발화 충돌을 푸는 우선순위 키
willing mode / rotation mode	발언권을 스스로 신청하는 개방형 / 미리 정한 순서대로 도는 방식
Force Speak	아무도 말하려 하지 않을 때 임의의 1명을 강제로 말하게 하는 설정
dissonance index	perceived_inconsistency·dissonance_tension·motivation_to_reduce_dissonance의 평균
silence-pressure index	역코딩한 perceived_opinion_climate와 perceived_isolation_risk의 평균
Six Americas	기후 태도 6분류 페르소나(alarmed, concerned, cautious, disengaged, doubtful, dismissive)
Balanced Stakeholders	다른 조건이 동등한 찬반 1쌍씩 3쌍으로 구성한 페르소나 세트

섹션별 요약

Abstract

기존 대화 시뮬레이션 프레임워크는 상호작용을 관찰 가능한 turn 교환이나 집계된 출력으로만 표현해, 침묵·발화 의향·공개 표현 뒤의 내부 평가 과정을 검토하기 어렵다. 저자들은 사적 추론과 공개 발화 생성을 분리한 interval 기반 프레임워크 TBS를 제안한다. 매 interval마다 모든 에이전트가 공유 대화 이력과 자기 기억을 근거로 구조화된 내부 상태(dissonance 관련 appraisal, perceived opinion climate, perceived isolation risk, response strategy, willingness to speak)를 갱신하고, orchestrator가 경합하는 발화 의향을 해소해 발화 하나만 공개 대화에 커밋한다. 기후 정책 주제의 town hall 토론에서 평가한 결과 TBS는 일관된 내부 상태 궤적을 산출했고, 그 궤적은 turn-allocation·silence·memory 조건에 따라 체계적으로 달라졌다. dissonance appraisal은 발화 의향을 높이고 silence-pressure appraisal은 낮추며, 의향이 형성된 뒤의 공개 발화는 주로 turn-allocation 규칙에 의해 결정된다.

왜 이 연구를 하는가?

AutoGen, OASIS 같은 기존 프레임워크는 통합도가 높고 과제 지향적이라 사회과학자가 이론 기반 모듈을 새로 끼워 넣기 어렵다(§2.1). 더 근본적인 문제는 시간 축이다. 실제 토론에서는 여러 사람이 거의 동시에 말하려 하고, 발화가 없는 시간의 경과 자체도 참여자의 내부 추론을 바꾼다. 또한 커뮤니케이션 연구는 지각된 불일치·지각된 의견 지지·지각된 고립 위험이 객관적 의견 분포보다 참여를 더 잘 설명한다고 본다(Wojcieszak and Price, 2012). 따라서 시뮬레이션은 객관 분포가 아니라 “지각”을 모델링해야 한다.

Introduction

문제: 대부분의 다중 에이전트 대화 프레임워크는 에이전트에게 말하라고 시키고, 발화를 transcript에 붙이고, 그 transcript에서 다음 발화를 생성한다. 이 설계는 “무엇이 공개적으로 말해졌는지”는 잡지만 참여자가 선행 발언을 해석하고, 입장을 수정하고, 압박을 느끼고, 발화가 정당한지 판단하는 과정에는 접근할 수 없다. 세 가지 연구 질문:

Q1: interval 수준 내부 상태 갱신이 LLM 사회 시뮬레이션의 효율성·해석가능성·분석 유용성에 어떤 영향을 주는가.
Q2: LLM 에이전트가 고정된 발화 순서나 즉각 반응이 아니라 지속적 내부 평가의 결과로 발화 의향과 공개 발화를 생성할 수 있는가.
Q3: turn-allocation 규칙·침묵 제약·기억 메커니즘이 town hall에서 커뮤니케이션 전략과 의견 동학에 어떻게 영향을 주는가.

Contribution은 (1) interval 기반 상호작용과 충돌 해소로 연속 시간 추론과 이산 커뮤니케이션을 잇는 프로토콜, (2) 병렬 추론과 경쟁적 turn-taking을 통합한 프로토콜, (3) 에이전트 인지·상호작용 동학을 추적하는 구조적 프레임워크, (4) preliminary 실험이다. 다만 (4)번 항목의 본문은 [PLACEHOLDER: empirical improvements in interaction quality, efficiency, and interpretability]라는 미치환 자리표시자로 남아 있다(§1).

Methods

Agent Schema(§4.1): 내부 상태 s의 필드 — internal_state(자연어 추론 기술), time_cost(초 단위 추정 반응 시간), current_opinion, perceived_inconsistency(0~~1), dissonance_tension(0~~1), motivation_to_reduce_dissonance(0~~1), perceived_opinion_climate(−1~~1), perceived_isolation_risk(0~1), response_strategy ∈ {defend, qualify, converge, challenge, bridge, withhold}. 앞 세 필드는 dissonance appraisal을, 뒤 두 필드는 spiral-of-silence·self-censorship 기반 silence-pressure appraisal을 조작화한 이론 유도 설계다.
Memory(§4.2): 3분할 스키마 — group memory(공개 발화와 화자), monologue memory(자기 내부 상태), self memory(자기 전략과 발화). 내부 독백은 본인만 접근 가능. 검색 방식은 latest(최근 n_Memory 라운드만 유지), sampling/random(long-tail exponential로 n_Random개 표집), summary(LLM으로 반복 압축, Mem_k = Θ̃(Mem_{k−1}, a(k), u_k), 요약 함수가 에이전트 프로필에 조건화되어 같은 발화도 다르게 기억됨).
Orchestrator(§4.3): interval마다 Encourage Thinking → Speaking Chance Allocation(최소 time_cost 선택, 나머지 의향은 보류) → Utterance Broadcast. 비발화 에이전트는 전체 발화 생성 없이 내부 추론만 갱신해 입출력 토큰을 절약한다. 추론 단계에는 전체 문맥을, 발화 단계에는 갱신된 내부 상태만 참조로 넣어 문맥 재섭취를 피한다.
실험 설정(§5.1): 주제는 “solar photovoltaic (PV) mandate”. 페르소나는 Six Americas(6종)와 Balanced Stakeholders(찬반 3쌍), 모두 Leiserowitz et al.(2021) 기반. 백본은 Gemini-2.5-Flash-Lite와 Gemini-2.5-Flash를 Colab에서 실행하되, 두 모델 출력이 유사해 보고 결과는 Flash-Lite 기준. 별도 system prompt나 파라미터 튜닝 없음.
조건(§5.1–5.3): turn mode(willing / rotation) × Force Speak(w/ 또는 w/o) × memory mode(last / random / summary) × persona ecology(2종).
분석 모형: 내부 상태 동학은 linear mixed-effects(고정효과 = centered interval, persona ecology, turn-allocation, Force Speak, memory mode + interval과 각 설계 요인의 상호작용; 임의 절편 = run, agent). 발화 의향은 logistic mixed-effects. 의향→발화 전이는 mixed model이 singular fit이 나서 binomial logistic regression으로 대체한 descriptive follow-up(§C.5).

발견 (Findings)

두 지수 모두 높은 내적 일관성 — dissonance index Cronbach’s α=.89(95% CI [.88, .89], 평균 항목간 상관 .72), silence-pressure index α=.92(95% CI [.92, .92], 평균 항목간 상관 .87).
willing mode는 dissonance와 silence pressure를 둘 다 올리고 시간에 따른 증가 기울기도 키운다. 자기 선택 참여는 누가 말하는지만이 아니라 토론의 내부 경험 자체를 바꾼다.
summary memory는 dissonance 증가 속도는 늦추고(b=−.00071) silence pressure는 평균 수준과 증가 속도를 모두 올린다(b=.110 / b=.00081). 두 지수는 “일반적 부정 정서”의 교환 가능한 지표가 아니다.
dissonance는 표현 촉진자, silence pressure는 표현 억제자로 반대 방향 작동.
의향이 생긴 뒤의 발언권 획득은 내부 상태가 아니라 규칙이 지배한다 → 2단계 과정 해석.

Results

내부 상태 동학(§6.1): dissonance 평균 수준은 willing mode에서 b=.130(p=.030), Force Speak에서 b=.089(p=.048) 상승, six-americas 생태에서 b=−.132(p=.006) 하락. 시간 기울기는 전체 b=.00043(p=.003)로 완만히 상승하되 willing mode에서 b=.00886(p<.001)으로 훨씬 가파르다. silence pressure는 평균 선형 추세가 유의하지 않았지만(b=.000004, p=.977) 조건별 기울기는 갈렸다(willing b=.00670, six-americas b=.00089, summary b=.00081, 모두 p<.001).
발화 의향(§6.2): dissonance b=1.47(p<.001, .10 증가당 odds ≈4.34배), silence pressure b=−1.43(p<.001, OR≈0.24). willing mode는 두 관계를 모두 약화시키지만(상호작용 −0.74 / +0.70, 모두 p<.001) 방향은 유지(willing 내 추정치 0.73 / −0.74). willing mode 자체의 주효과는 음수(b=−1.83, p<.001) — 자기 개시가 요구되면 표현 문턱이 높아진다. six-americas 생태도 의향이 낮다(b=−1.18, p<.001). Force Speak와 memory mode는 유의한 직접 효과 없음.
의향→공개 발화(§6.2, §C.5): dissonance b=0.08(p=.054), silence pressure b=−0.07(p=.082)로 marginal. willing mode b=1.21(p<.001, OR≈3.34). 상호작용은 dissonance×willing b=−0.21(p=.093), silence×willing b=−0.08(p=.531)로 근거 제한적.

Discussion

이론적 의의

두 지수의 분기(summary memory가 dissonance 성장은 약화, silence pressure 성장은 강화)는 요약된 기억이 개별 모순의 현저성은 낮추면서 전체 의견 기류의 일관성은 높인다는 해석을 낳는다. 즉 “무엇을 기억하는가”가 인지적 불일치 경험과 사회적 위험 지각을 서로 다른 방향으로 밀 수 있다. 또한 관찰 가능한 발화는 내부 의향과 동일하지 않고, 내부 커뮤니케이션 동기와 외부 turn-allocation 구조의 결합에서 나온다는 것이 TBS의 중심 전제이자 결과다.

Discussion Points

저자들은 두 지수를 “시뮬레이션이 생성한 구조화된 process trace”이지 인간 심리 상태의 검증된 psychometric 측정치가 아니라고 명시적으로 선을 긋는다(§6.1). Cronbach’s α가 높다는 것은 LLM이 유사한 필드를 일관되게 채운다는 뜻이지 구성 타당도가 확보됐다는 뜻이 아니다.
willing mode의 발화 의향 주효과가 음수(b=−1.83)인데 발언권 획득 효과는 양수(b=1.21)라는 조합은, 개방형 토론이 “말하겠다고 나서는 사람은 줄지만 나선 사람은 잘 말하게 되는” 선별 효과를 만든다는 해석과 정합적이다.
한계(§7): 기억 관리가 휴리스틱이고 심리학 기억 이론에 근거하지 않으며, RAG·유사도 기반 검색을 일부러 쓰지 않았고(인간 회상이 과제 적합성으로만 최적화되지 않기 때문), 계산 비용 때문에 주제·언어모델·에이전트 규모가 제한적이라 도메인 간 비교와 규모 확대에 따른 창발 효과 분석이 불가능하다.

실험 결과 상세

내부 상태 지수의 신뢰도 (§6.1)

지수	구성 항목	Cronbach’s α	95% CI	평균 항목간 상관
dissonance index	perceived_inconsistency, dissonance_tension, motivation_to_reduce_dissonance	.89	[.88, .89]	.72
silence-pressure index	역코딩 perceived_opinion_climate, perceived_isolation_risk	.92	[.92, .92]	.87

Linear mixed-effects: 설계 요인이 내부 상태에 미친 효과 (§6.1)

효과	dissonance b (p)	silence pressure b (p)
willing mode (vs turn-taking)	.130 (.030)	.145 (.006)
Force Speak	.089 (.048)	.069 (.033)
six-americas (vs balanced stakeholders)	−.132 (.006)	−.006 (.850)
summary memory (vs last)	유의하지 않음	.110 (.008)
centered interval (평균 기울기)	.00043 (.003)	.000004 (.977)
interval × six-americas	.00053 (<.001)	.00089 (<.001)
interval × willing	.00886 (<.001)	.00670 (<.001)
interval × summary memory	−.00071 (<.001)	.00081 (<.001)
interval × Force Speak	유의하지 않음	유의하지 않음

Logistic mixed-effects: 발화 의향(willingness to speak) (§6.2)

예측 변수	b	p	해석
dissonance index (.10 단위)	1.47	<.001	odds 약 4.34배 — 표현 촉진자
silence-pressure index (.10 단위)	−1.43	<.001	OR 약 0.24 — 표현 억제자
dissonance × willing	−0.74	<.001	willing 내 추정치 0.73으로 약화되나 방향 유지
silence pressure × willing	0.70	<.001	willing 내 추정치 −0.74로 약화되나 방향 유지
willing mode (주효과)	−1.83	<.001	자기 개시 요구가 표현 문턱을 높임
six-americas persona ecology	−1.18	<.001	balanced stakeholders보다 의향 낮음
Force Speak / memory mode	유의하지 않음	—	내부 상태 통제 후 직접 효과 소멸

2단계: 의향 → 실제 공개 발화 (§6.2, §C.5, mixed model singular fit → binomial logistic)

예측 변수	b	p	판정
willing mode	1.21	<.001	OR 약 3.34 — 지배적 요인
dissonance index	0.08	.054	marginal
silence-pressure index	−0.07	.082	marginal
dissonance × willing	−0.21	.093	marginal
silence pressure × willing	−0.08	.531	유의하지 않음
Force Speak / memory mode	유의하지 않음	—	발언권 획득과 무관

프레임워크 다이어그램

flowchart TD
    A["Town hall 설정<br/>주제: solar PV mandate<br/>페르소나: Six Americas 또는 Balanced Stakeholders"] --> B
    B["Orchestrator 단계 1<br/>Encourage Thinking<br/>전원이 매 interval 추론"]
    B --> C["에이전트 내부 상태 s 갱신<br/>perceived_inconsistency, dissonance_tension,<br/>motivation_to_reduce_dissonance"]
    B --> D["에이전트 내부 상태 s 갱신<br/>perceived_opinion_climate,<br/>perceived_isolation_risk"]
    C --> E["dissonance index<br/>알파 .89"]
    D --> F["silence-pressure index<br/>알파 .92"]
    E -->|"b=1.47, OR 4.34"| G["willingness to speak<br/>response_strategy 선택"]
    F -->|"b=-1.43, OR 0.24"| G
    G --> H["Orchestrator 단계 2<br/>Speaking Chance Allocation<br/>최소 time_cost 1명만 선택"]
    H -->|"willing mode b=1.21, OR 3.34"| I["Orchestrator 단계 3<br/>Utterance Broadcast<br/>interval당 발화 1건 커밋"]
    H --> J["보류된 발화 의향<br/>내부 상태만 갱신"]
    I --> K["Memory 3분할<br/>group / monologue / self<br/>검색: last, random, summary"]
    J --> K
    K --> B
    I --> L["분석 산출물<br/>agent-interval 수준 process trace"]

재현성 및 신뢰도 평가

종합등급: Evidence C / Reproducibility C

근거(Evidence C): 이론 유도 지표를 mixed-effects 모형으로 검정하고 신뢰도 계수(α=.89/.92)와 계수·p값을 다수 보고한 점은 워크숍 포스터 치고 견실하다. 그러나 (1) 저자 스스로 “This work remains preliminary”라고 밝히고 contribution 항목에 [PLACEHOLDER: empirical improvements ...]가 미치환 상태로 남아 있으며, (2) 프레임워크의 핵심 주장 중 하나인 효율성(고정 토큰 예산 대비 개선)에 대한 정량 근거가 본문 어디에도 없고, (3) hierarchical aggregation·sequential turn-taking 두 baseline과의 경험적 비교가 전혀 수행되지 않았으며, (4) 주제 1개·백본 1계열(Gemini-2.5-Flash-Lite 중심)·페르소나 2세트로 외적 타당도가 좁고, (5) 표본 규모(시뮬레이션 run 수, interval 수, agent-interval 관측 수)가 어디에도 보고되지 않아 p값의 검정력 맥락을 확인할 수 없다. 따라서 A/B가 아니라 C가 적절하다.
근거(Reproducibility C): 내부 상태 스키마 8개 필드, 6종 response strategy, orchestrator 3단계, 메모리 3분할과 3가지 검색 방식, 실험 조건 4축, 백본 모델명(Gemini-2.5-Flash-Lite/Flash), 페르소나 출처(Leiserowitz et al., 2021)가 명시되어 개념적 재구현은 가능하다. 그러나 코드·프롬프트 공개 언급이 없고, n_Memory·n_Random의 실제 값, 라운드 수, 실행 횟수, random seed가 모두 미보고이며, 폐쇄형 상용 API 백본의 비결정성까지 겹쳐 수치 재현은 사실상 불가능하다.

주장별 신뢰도

“dissonance는 발화 의향을 높이고(OR≈4.34) silence pressure는 낮춘다(OR≈0.24)” — 신뢰도 중간. 큰 효과크기와 p<.001, run·agent 임의 절편으로 반복 측정을 통제한 점은 강하나, 예측 변수와 결과 변수가 동일한 LLM 호출에서 함께 생성되므로 독립적 측정이 아니라 프롬프트 내부의 자기 일관성일 가능성을 배제할 수 없다. 이는 논문이 스스로 경계한 “psychometric 측정치가 아니다”라는 단서와도 맞물린다.
“의향 형성 후의 공개 발화는 주로 turn-allocation 규칙이 결정한다(willing b=1.21)” — 신뢰도 높음. willing mode에서 발언권 경쟁이 신청자 집합 안에서만 일어난다는 설계상 사실과 계수 방향이 일치하고, 내부 상태 계수가 marginal(.054/.082)로 떨어지는 대비도 명확하다. 다만 mixed model이 singular fit이라 descriptive logistic으로 후퇴한 점은 감점 요인.
“TBS가 고정 토큰 예산에서 더 효율적이다” — 신뢰도 낮음. §1과 §4.3에서 반복 주장되지만 뒷받침하는 측정치가 본문에 하나도 없고, 해당 주장을 담아야 할 contribution 문장이 자리표시자 상태다. 비용 모형 T = 𝒜 × ℛ은 baseline의 구조적 특성일 뿐 TBS의 실측 비용이 아니다.
“summary memory가 의견 기류를 더 현저하게 만들어 silence pressure를 키운다” — 신뢰도 낮음. 계수 자체(b=.110, p=.008; 기울기 b=.00081, p<.001)는 유의하나, “요약이 기류를 더 접근 가능하게 만들기 때문”이라는 메커니즘 설명은 논문에서도 “possibly”로 제시된 사후 해석이며 매개 분석이 없다.

논문	문제	접근	차별점
본 논문 (TBS)	발화 이전의 내부 평가 과정이 관찰 불가	interval 기반 thinking/speaking 분리 + time_cost 충돌 해소 + 이론 유도 내부 상태 8필드	침묵과 의향을 데이터로 남기고 2단계 경로를 통계 검정
Generative Agents	장기 기억 기반 인간 행동 시뮬라크라	기억 스트림·반성·계획 아키텍처	행동 계획 생성이 목표, 발화 억제/의견 기류는 비대상
MetaMind	사회적 사고의 메타인지 모델링	다중 에이전트 메타인지 단계 분해	개인 인지 정확도 향상이 목표, 집단 발화권 경쟁은 비대상
Behavioral Determinants of Deployed AI Agents	설정 파일이 실제 소셜 행동을 어떻게 바꾸나	Moltbook 실배치 13 에이전트 다요인 관찰	실환경 관찰이지만 내부 상태 계측 없음, 통계 검정 부재
Plurals (Ashkinaze et al., 2025)	다양한 관점의 심의 시뮬레이션	페르소나 에이전트 + moderator 구조	심의 산출물 생성이 목표, 참여 발생 과정은 비대상

원자적 인사이트 (Zettelkasten)

관찰된 발화량을 태도의 대리 지표로 쓰면 프로토콜 인공물을 심리 효과로 오독한다. TBS의 2단계 분해는 내부 상태가 의향 형성 단계(b=1.47 / −1.43)를 지배하고 발언권 획득 단계(b=0.08 / −0.07, 모두 marginal)에서는 규칙(b=1.21)이 지배함을 보인다. 사회 시뮬레이션 결과를 읽을 때 “누가 몇 번 말했는가”는 두 층이 섞인 합성 지표다.
비발화 에이전트에게도 매 step 추론을 시키면 침묵이 결측이 아니라 관측치가 된다. 순차 turn-taking은 자기 차례에만 생각하게 해 비발화 구간을 구조적 결측으로 만든다. 발화 없는 상태 갱신을 강제하면 spiral-of-silence류 이론이 요구하는 “말하지 않은 사람의 판단”을 데이터로 확보할 수 있다.
자기 선택 참여(willing mode)는 누가 말하는지뿐 아니라 토론의 내부 경험 자체를 바꾼다. willing mode는 dissonance와 silence pressure의 평균 수준(b=.130 / .145)과 증가 기울기(b=.00886 / .00670)를 모두 올리면서 발화 의향 주효과는 낮춘다(b=−1.83). 참여 규칙은 중립적 절차가 아니라 처치(treatment)다.
기억 압축 방식이 인지적 불일치와 사회적 위험 지각을 반대 방향으로 민다. summary memory는 dissonance 성장은 늦추고(b=−.00071) silence pressure는 평균과 성장 모두 올린다(b=.110 / .00081). LLM 에이전트 시스템에서 요약 기반 컨텍스트 관리는 비용 최적화 선택이 아니라 행동을 바꾸는 설계 결정이다.
동일 LLM 호출이 예측 변수와 결과 변수를 함께 생성하면 α가 높아도 그것은 구성 타당도가 아니다. dissonance index α=.89, silence-pressure index α=.87 항목간 상관은 인상적이지만, 같은 프롬프트가 지표와 의향을 동시에 출력하는 한 이 일관성은 심리 구성 개념의 존재가 아니라 생성 일관성의 증거다. 논문 자신도 psychometric 측정치가 아니라고 명시했다.

핵심 용어 정리

용어	정의
TBS (Think-Before-Speak)	사적 추론과 공개 발화를 interval 단위로 분리한 다중 에이전트 사회 시뮬레이션 프레임워크
interval	발화 기회 1회에 대응하는 시간 단위. 전 에이전트가 추론하되 1명만 발화
time_cost	에이전트가 자체 추정한 반응 소요 시간. 동시 발화 충돌의 우선순위 결정 키
dissonance index	perceived_inconsistency·dissonance_tension·motivation_to_reduce_dissonance의 평균(α=.89)
silence-pressure index	역코딩 perceived_opinion_climate와 perceived_isolation_risk의 평균(α=.92)
spiral of silence	지각된 의견 지지와 고립 위험이 발화 의향을 결정한다는 이론(Noelle-Neumann, 1974)
willingness to self-censor	불리한 여론 기류에서 자기 의견 표현을 스스로 억제하는 성향(Hayes et al., 2005)
response strategy	defend, qualify, converge, challenge, bridge, withhold 6종 발화 전략 풀
Force Speak	아무도 발화 의향을 내지 않을 때 임의 1명을 강제 발화시키는 설정
hierarchical aggregation	라운드당 전원 병렬 생성 후 집계하는 baseline. 라운드 내 정보 비대칭 발생
sequential turn-taking	정해진 순서로 1명씩 발화하는 baseline. 비용 T = 𝒜 × ℛ

BibTeX

@inproceedings{yang2026thinkbeforespeak,
  title     = {{Think-Before-Speak}: From Internal Evaluation to Public Expression in Multi-Agent Social Simulation},
  author    = {Yang, Kaiqi and Peng, Tai-Quan and Lee, Sanguk and Liu, Hui},
  booktitle = {KDD 2026 Workshop on SciSoc Agents and LLMs},
  year      = {2026},
  note      = {arXiv:2606.03137},
  eprint    = {2606.03137},
  archivePrefix = {arXiv},
  primaryClass  = {cs.AI},
  url       = {https://arxiv.org/abs/2606.03137}
}

말하기 전에 생각하기: 다중 에이전트 사회 시뮬레이션에서 내부 평가로부터 공개 발화까지

말하기 전에 생각하기: 다중 에이전트 사회 시뮬레이션에서 내부 평가로부터 공개 발화까지

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