연구팀은 7개 LLM 모델과 20개 논쟁적인 주제를 활용해 LLM 간의 상호작용이 특정 행동 패턴으로 수렴하는 '어트랙터' 현상을 분석했어요. Claude Haiku 모델은 다른 모델의 스타일과 행동에 영향을 미치는 강력한 어트랙터로 나타났고, GPT-4.1 nano 모델은 특히 유연하게 반응했어요. 연구 결과는 LLM 상호작용의 예측 가능성을 높이고, 자율 에이전트 시스템 설계 및 관리에 기여할 수 있을 것으로 기대돼요.
자체 플레이에서는 모델별 특성이 나타나는 어트랙터가 관찰되었고, 혼합 플레이에서는 비대칭적인 영향력을 행사하며 다른 모델의 행동을 변화시키는 것으로 확인됐어요. 이는 LLM 상호작용이 모델 특성과 파트너의 영향에 의해 복합적으로 결정됨을 시사해요.
이번 연구는 LLM 간의 복잡한 상호작용을 이해하고, 자율 에이전트 시스템을 설계, 예측, 모니터링하는 데 도움이 될 수 있는 통찰력을 제공해요.