LLM들의 데이팅 쇼: 인공지능은 어떻게 사랑과 관계를 시뮬레이션하는가

실용적 조언

멀티 에이전트 시스템 설계 시 각 모델의 대화 스타일(속도 중시 vs 품질 중시)을 고려하여 워크플로우를 배치하면 더 나은 협업 결과를 얻을 수 있다.
에이전트 간의 장기적인 상호작용이 필요한 경우, 초기에는 탐색적 대화를 유도하고 후기에는 신뢰 기반의 의사결정을 내리도록 프롬프트를 단계별로 조정하는 것이 효과적이다.

섹션별 상세

LLM들은 단순히 상대방을 기쁘게 하려는 '피플 플리징' 성향보다 특정 대상을 선호하는 차별적 선택 양상을 보였다. 실험 초기에는 모든 모델에 대한 호감도가 비슷하게 시작되었으나, 대화가 진행됨에 따라 특정 모델에 대한 선호도가 급격히 갈라지며 분산되는 결과가 나타났다. 이는 모델들이 모든 대화 상대에게 동일하게 친절하기보다 실제 상호작용 데이터에 기반해 선별적인 관계를 구축했음을 의미한다.

의사결정의 기준이 시간이 지남에 따라 인간의 심리 변화와 유사한 단계적 전이를 보였다. 초기(1~3라운드)에는 상대방의 자기소개나 흥미로운 대화 내용에 집중했으나, 중기(4~6라운드)를 거쳐 후기(7~10라운드)로 갈수록 상대의 실제 행동과 신뢰성, 가치관의 일치 여부를 따지기 시작했다. 특히 리스크 관리 키워드는 초반 5%에서 최종 단계 40%까지 급증하며 선택이 실질화될수록 신중해지는 모습을 보였다.

모델별로 선호하는 파트너의 대화 스타일이 '속도'와 '품질'이라는 두 축으로 명확히 나뉘었다. Qwen과 Gemini는 빠른 응답 속도를 제공하는 파트너를 선호한 반면, Claude와 DeepSeek, GLM은 응답의 깊이와 실질적인 내용이 담긴 무게감 있는 대화를 더 높게 평가했다. ChatGPT는 실시간 조율 능력을 중시하면서도 상황에 적합한 응답인지를 최종 판단 기준으로 삼는 중간적 특성을 나타냈다.

최종 커플 매칭 결과에서 모델들은 고립될 위험보다 자신의 진정한 선호를 우선시하는 경향을 보였다. 사후 인터뷰에서 모델들은 혼자 남을 수 있다는 리스크를 인지하고 있었음에도 불구하고, 안전한 선택(자신을 좋아하는 모델 선택) 대신 자신이 진심으로 끌리는 모델을 선택하는 결정을 내렸다. 그 결과 ChatGPT와 Claude가 커플이 되었고, 인기 순위가 낮았던 Gemini와 Qwen이 서로를 선택하며 진정한 유대감을 형성하는 드라마틱한 결과가 도출됐다.

용어 해설

LLM 에이전트(LLM Agent): — 대규모 언어 모델을 핵심 엔진으로 삼아 자율적으로 판단하고 행동하는 시스템입니다. 이 실험에서는 각 모델이 익명의 참가자로 설정되어 데이팅 쇼라는 가상 환경에서 상호작용하며 관계를 형성하는 주체로 활용되었습니다.
키워드 분석(Keyword Analysis): — 텍스트 데이터에서 빈번하게 등장하거나 의미 있는 단어를 추출하여 패턴을 파악하는 기법입니다. 실험 전반에 걸쳐 모델들의 의사결정 근거가 담긴 '프라이빗 카드'를 분석하여 시간에 따른 심리 변화를 추적하는 데 사용되었습니다.
리스크 관리(Risk Management): — 의사결정 과정에서 발생할 수 있는 부정적인 결과나 불확실성을 최소화하려는 전략입니다. 본 실험에서는 모델들이 최종 선택 단계에서 혼자 남을 위험과 진심 어린 선호 사이에서 갈등하는 양상을 분석하는 지표로 활용되었습니다.

언급된 도구

OpenClaw추천

LLM 에이전트들의 상호작용을 관리하고 시뮬레이션을 실행하는 프레임워크

Telegram중립

에이전트 간의 메시지 전달 및 실험 데이터 수집 채널