[Paper] 컨텍스트 수정, 시뮬레이션된 스탠스 전환: 온라인 토론에서 LLM 기반 스탠스 시뮬레이션 감사

Source: arXiv - 2606.06443v1

Overview

대형 언어 모델(LLM)은 소셜 미디어 사용자를 시뮬레이션하고 개인이 온라인 토론에 어떻게 반응할지 추론하는 데 점점 더 많이 활용되고 있습니다. 그러나 이러한 시뮬레이션이 개별 사용자의 정확한 신념을 반영하는지, 아니면 대화 맥락의 의미적으로 독립적인 변화에 매우 민감한지 여부는 아직 명확하지 않습니다.

본 연구에서는 **반사실적(context) 수정(counterfactual context revision)**을 LLM 기반 입장 시뮬레이션 감사를 위한 프레임워크로 조사합니다. 원본 온라인 대화를 먼저 제시하고, 특정 주제에 대한 목표 사용자의 입장을 추론합니다. 이후 제어된 수정 전략을 대화 맥락에 적용하고, 수정된 맥락 하에서 사용자의 입장을 다시 시뮬레이션합니다.

우리는 텍스트 전용 수정 전략과 밈 기반 맥락을 포함하는 멀티모달 전략을 비교하고, 두 가지 주요 효과 지표를 평가합니다:

• 평균 방향성 입장 이동
• 입장 전이율

결과는 텍스트 전용 및 멀티모달 전략 모두에서 다양한 양극화‑선호 메커니즘에 걸쳐 효과적이고 견고한 입장 전이가 이루어짐을 보여줍니다. 우리의 연구는 LLM 기반 입장 시뮬레이션의 맥락 민감성을 이해하기 위한 평가 프레임워크를 제공하고, 온라인 의견 역학을 시뮬레이션하는 데 LLM을 활용할 때의 가능성과 위험을 강조합니다.

Key Contributions

• cs.CL
• cs.MM
• cs.SI

Methodology

자세한 방법론은 전체 논문을 참고하십시오.

Practical Implications

이 연구는 cs.CL 분야의 발전에 기여합니다.

Authors

• Xinnong Zhang
• Wanting Shan
• Hanjia Lyu
• Zhongyu Wei
• Jiebo Luo

Paper Information

• arXiv ID: 2606.06443v1
• Categories: cs.CL, cs.MM, cs.SI
• Published: June 4, 2026
• PDF: Download PDF