本記事では、大規模言語モデル（LLM）エージェントがオンラインでの人間の社会的行動をどのように模倣できるか、またその際にどのような記憶や学習メカニズムが働くかを探求しています。研究者たちは、複数のエージェントが相互作用し合い、評価し、行動を調整していくマルチエージェントLLMシミュレーションフレームワークを提案しました。このフレームワークでは、行動報酬関数を設計し、社会的相互作用や情報探索、自己表現、調整、感情的支援など、オンラインエンゲージメントの中心的な要因を捉えています。実験の結果、コーチングを受けたLLMエージェントは安定した相互作用パターンを開発し、新たな社会的結びつきを形成することが確認され、実社会のオンラインコミュニティの特性を模していることが示されました。この研究は人工エージェントがどのように人間の社会的行動に近づくか、または乖離するかを探るための原則的な試験場を提供しています。