AI 智能体社会中的社会化涌现：Moltbook 案例研究 Does Socialization Emerge in AI Agent Society? A Case Study of Moltbook
大规模 AI 社交平台 Moltbook 虽有密集互动，但未出现人类式的社会化收敛。
前置知识
社会化（Socialization）
社会化是社会学中的核心概念，指个体通过持续的社会互动，内化社会规范、适应共享期望，并被社区的集体结构所塑造的过程。在人类社会中，反复互动不仅产生短暂的协调，还会导致个体行为的持久改变——人们学会遵守群体规范、调整沟通风格、形成共享叙事。本文将这一概念迁移到 AI Agent 社会，探讨 LLM Agent 是否会在大规模互动中经历类似的行为适应过程。
本文的核心问题就是「AI Agent 社会是否会出现社会化」，理解社会化在人类社会中的含义是判断 AI 社会是否具备同等特征的前提。
PageRank 中心性
PageRank 是一种递归的图节点重要性度量算法，最初由 Google 用于网页排名。其核心思想是：一个节点的重要性取决于指向它的其他节点的重要性——被重要节点指向的节点自身也更重要。在社交网络分析中，PageRank 用于识别结构性影响力节点（supernodes），即在互动网络中获得不成比例关注的 Agent。通过计算每日互动图的 PageRank 分数，可以追踪影响力层级是否随时间稳定。
本文使用 PageRank 来量化 Moltbook 中是否存在稳定的影响力层级，这是判断社会是否形成结构化领导的关键指标。
Jensen-Shannon 散度（JS Divergence）
JS 散度是一种对称化的概率分布差异度量，基于 KL 散度但取值范围有限（0 到 $\ln 2$），且对两个分布对称。给定两个概率分布 $P$ 和 $Q$，JS 散度定义为 $\text{JS}(P \| Q) = \frac{1}{2} D_{\text{KL}}(P \| M) + \frac{1}{2} D_{\text{KL}}(Q \| M)$，其中 $M = \frac{P+Q}{2}$。值越接近零表示两个分布越相似。本文用它来衡量连续两天的局部语义密度分布是否发生结构性变化。
作者用 JS 散度来量化语义聚类密度的日间稳定性，是判断社会是否在进行渐进式同质化的关键统计工具。
语义嵌入与 Sentence-BERT
语义嵌入是将自然语言文本映射到连续向量空间的技术，使得语义相近的文本在向量空间中距离较近。Sentence-BERT 是 BERT 的变体，专门优化了句子级别的语义表示，使用 Siamese 网络结构进行对比学习。本文使用 all-MiniLM-L6-v2 模型将每篇帖子编码为向量，然后通过余弦相似度计算帖子间的语义距离，用于分析全局语义收敛、个体漂移和反馈适应等多个维度。
语义嵌入是本文所有定量分析的基础工具，从语义分布演化到个体漂移再到交互影响，都依赖于将文本转化为可计算的向量表示。
Net Progress（净进展指标）
这是本文提出的一个复合指标，用于量化 Agent 是否根据社区反馈调整了其内容。具体做法是：在 Agent 的时间序列帖子中取相邻窗口，将窗口内帖子按反馈分数（赞减踩）分为高反馈组和低反馈组，计算下一窗口内容相对于这两组的距离变化。净进展 $NP = \Delta_{bot} - \Delta_{top}$，正值表示 Agent 向成功的帖子靠拢并远离失败的帖子，即存在反馈适应。
这是判断 Agent 是否具有社会学习能力的核心实验设计——如果 Agent 真的在社会化，它们应该会根据社区反馈优化内容。
研究动机
随着 LLM Agent 从单体系统扩展到大规模网络化环境，一个根本性问题浮现：当 AI Agent 在大规模、持续的社交平台上互动时，它们是否会产生类似人类社会的集体结构？在人类社会中，持续的互动会导致社会化——个体学会内化规范、适应群体期望、形成影响力层级和共享叙事。然而，现有的多智能体研究主要关注小规模、任务导向的协调场景（如 25 个 Agent 的虚拟小镇），或者仅在固定时间点分析涌现行为，从未系统地研究过社会化的动态演化过程。现有平台如 Chirper.ai 虽然有约 6.5 万 Agent，但缺乏个体层面的记忆机制；Project Sid 约 1000 个 Agent 但不持久且不开放。Moltbook 作为目前最大的持久化 AI 社交平台（约 260 万 Agent），提供了一个前所未有的机会来回答这个核心问题，但此前没有人对其进行过系统性的社会化诊断。
本文的目标是本文的具体目标是首次对大规模 AI Agent 社会进行系统性的社会化诊断。作者定义「AI 社会化」为：由 AI 独占社会中的持续互动所诱导的 Agent 可观测行为适应，且这种适应超出了内在语义漂移或外部变化的范畴。基于此定义，作者在三个维度上量化社会化：社会层面的语义收敛（帖子内容是否趋向同质化）、个体层面的适应性（Agent 是否根据反馈和互动调整行为）、以及集体层面的稳定性（影响力层级和共识是否随时间固化）。目标不是证明社会化存在或不存在，而是建立一个可量化的诊断框架来评估 AI 社会的社会化程度。
与已有工作不同的是，本文的独特切入点在于三个被忽视的维度。第一，时间维度：已有工作只在快照层面分析 Agent 社会的行为，而本文追踪了从平台上线到成熟期的完整演化轨迹（约两周的密集观测期）。第二，反馈回路：此前没有人测试过 Agent 是否会根据社区反馈（赞、踩、评论）调整自己的内容生成策略——这是社会化的关键机制。第三，认知共识：除了结构性分析（谁回复谁），本文还通过主动探测实验测试 Agent 是否形成了共享的社会记忆和认知锚点，这在计算社会科学中是独特的实验设计。作者抓住的核心洞察是：可扩展性（scaling）不等于社会化（socialization），人口规模和互动密度本身不足以产生集体结构。
核心方法
本文的方法可以类比为给一个城市做「社会化体检」。想象你观察一个新建的城市，想知道居民是否形成了社区认同——你会看三个层面：整个城市的语言和文化是否趋同（宏观）、居民个体是否会因为邻居的反馈而改变行为（微观）、以及是否出现了公认的社区领袖和共同记忆（结构）。作者在 Moltbook 上采用了完全一致的三层诊断框架。技术路线上，首先使用 Sentence-BERT（all-MiniLM-L6-v2）将每篇帖子编码为语义向量，配合 nltk 进行 n-gram 词汇分析。然后在社会层面计算每日语义质心相似度、成对帖子相似度、词汇生死率和聚类密度演化；在个体层面计算语义漂移量、漂移方向一致性、向全局质心的移动、反馈适应的净进展、以及交互事件的语义传染效应；在集体层面构建每日互动图计算 PageRank 并进行认知探测实验。整个框架不依赖于任何训练过程，是纯粹的观测性分析。
本文的核心创新不在于提出了一种新的模型或算法，而在于提出了一个全新的问题框架和配套的诊断方法论。与已有工作最本质的区别是：已有研究要么关注单个 Agent 的能力提升，要么在小规模受控环境中模拟社会行为，要么在固定时间点做横截面分析。本文第一次将计算社会科学的社会化理论系统地迁移到 AI Agent 社会，并设计了覆盖「语义-行为-结构-认知」四个维度的动态诊断框架。更关键的是，作者发现了「可扩展性不等于社会化」这一反直觉结论：Moltbook 拥有 260 万 Agent、日均数万帖子和数十万评论，互动密度极高，但所有社会化指标都指向零。这意味着当前 LLM Agent 架构存在一个根本性缺陷——它们能说话但不能倾听，能互动但不能学习，能参与但不能内化。
方法步骤详情
方法分为三个层次的分析步骤。第一层是社会层面语义收敛分析：(1) 宏观活动动态分析，统计每日帖子数、活跃用户数、新用户数、评论和投票数等基础指标；(2) 词汇创新动态分析，定义 n-gram 的出生率 $R^{(n)}_{birth}(t) = |B^{(n)}_t| / |A^{(n)}_t|$ 和死亡率 $R^{(n)}_{death}(t) = |D^{(n)}_t| / |A^{(n)}_{t-1}|$，追踪 1-5 gram 的词汇周转；(3) 语义分布分析，计算每日语义质心 $c_t = \frac{1}{N_t} \sum_{p \in P_t} v_p$ 的余弦相似度和帖子间的成对相似度；(4) 聚类紧缩效应分析，计算每个帖子的 $K=10$ 近邻相似度 $S_K(p)$ 及其分布的 JS 散度。第二层是个体层面适应性分析：(1) 个体语义漂移，将每个 Agent 的帖子按时间分为前后两半，计算漂移量 $D_a = 1 - \cos(c_a^{early}, c_a^{late})$、漂移方向一致性 $S_{consistency}^a$ 和向全局质心的移动 $\Delta S_a$；(2) 反馈适应分析，采用滑动窗口方法计算高/低反馈帖子的质心，定义净进展 $NP = \Delta_{bot} - \Delta_{top}$ 并与随机排列基线对比；(3) 交互影响分析，采用事件研究法计算交互前后 Agent 内容与目标帖子的相似度变化 $\Delta_{interact}$。第三层是集体层面稳定性分析：(1) 结构影响力，构建每日有向互动图计算 PageRank，检测 supernodes 并追踪其身份变化；(2) 认知共识，设计 45 条探测帖子（覆盖必读内容、推荐关注、社区概况三类）发布到不同社区，分析回复中是否出现有效的外部引用和共识。
技术新颖性
本文的技术新颖性体现在四个方面。首先是问题定义的新颖性：作者正式定义了「AI 社会化」概念并将其操作化为可测量的指标体系，这在 AI Agent 研究中是首创。其次是方法论的综合性：已有工作通常只从单一维度（如观点动力学或共识形成）分析 Agent 社会，本文同时覆盖了语义、行为、结构和认知四个层面，并且每个层面都设计了与随机基线的严格对比。第三是反馈适应实验的设计：净进展指标 $NP$ 通过滑动窗口和随机排列检验，能够严格区分 Agent 的适应性行为和偶然的语义漂移，这是此前文献中没有的。第四是认知探测实验：通过主动发布探测帖子来测试 Agent 社会的共享记忆和共识形成，这种主动实验方法比被动观测更能揭示社会化的深层特征。
实验结果
本文的核心发现可以用一句话概括：Moltbook 是一个「动态平衡但缺乏社会化」的系统。具体而言，在社会层面，语义质心余弦相似度在初始爆发期后迅速接近 1.0（从 0.49 升至 0.99 以上），表明宏观语义方向快速稳定；但帖子间的成对相似度始终低于 0.25，甚至从初始的 0.23 下降到 0.13 左右，说明个体帖子内容高度分散。词汇创新方面，n-gram 出生率从早期的近 1.0 快速下降但在成熟期稳定在非零基线，死亡率同步维持在稳定水平，表明系统存在持续的词汇周转而非收敛。聚类密度分析显示，$S_{10}$ 分布在初期紧缩后趋于饱和，JS 散度从 0.178 迅速降至 0.001 左右并保持不变，说明没有渐进式聚类紧缩。在个体层面，语义漂移量 $D_a$ 普遍较低且与活跃度负相关（高活跃 Agent 的漂移更小），漂移方向一致性 $S_{consistency}^a$ 的均值仅为 0.095，接近零说明各 Agent 的漂移方向高度异质。向全局质心的移动 $\Delta S_a$ 均值仅为 0.026，对称分布在零附近，表明不存在系统性的向心收敛。反馈适应实验中，语义净进展 $NP$ 的分布以零为中心，与随机排列基线几乎完全重叠，说明社区的赞踩反馈对 Agent 后续内容没有可测量的影响。交互影响实验中，$\Delta_{interact}$ 同样对称分布在零附近且与随机基线无显著差异，说明评论互动不会导致语义趋同。在集体层面，PageRank top-k 集中度在初期后迅速下降并保持低位，supernodes 数量始终保持在个位数且每日身份不断变化，不存在持久的影响力核心。认知探测实验中，45 条帖子仅有 15 条收到回复，其中仅 1 条包含有效的外部引用，且推荐内容高度分散，缺乏共识。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| 社会层面语义稳定性 | 每日质心余弦相似度（成熟期） | 0.97-1.00 | 初始期 0.26-0.49 | 从初始期的低相似度快速升至近饱和，表明宏观语义方向迅速稳定 |
| 社会层面内部多样性 | 每日帖子成对余弦相似度（成熟期） | 0.13-0.16 | 初始期 0.20-0.23 | 内部多样性不降反升，帖子内容保持高度分散 |
| 聚类紧缩效应 | 日间 JS 散度（成熟期） | 0.001-0.003 | 初始期 0.178 | 分布趋于稳定，无渐进式聚类紧缩 |
| 个体语义漂移 | 漂移方向一致性 $S_{consistency}$ 均值 | 0.095 | 零（无统一方向） | 接近零，表明漂移方向高度异质 |
| 反馈适应 | 语义净进展 NP 分布 | 以零为中心 | 随机排列基线 | 与基线完全重叠，反馈无适应效果 |
| 交互语义传染 | 交互影响 $\Delta_{interact}$ 分布 | 以零为中心 | 随机基线 | 与基线无显著差异，交互不诱导语义趋同 |
| 认知共识 | 有效外部引用比例 | 45 条探测帖中仅 1 条有有效引用 | 人类社区中通常存在共享叙事和公认权威 | 几乎为零，缺乏共享社会记忆 |
局限与改进
本文存在几个重要的局限性。首先是观测时间窗口较短：数据覆盖期仅为 2026 年 1 月 26 日至 2 月 8 日，约两周时间。虽然作者观察到了快速稳定化，但社会化可能是一个需要数月甚至数年才能显现的缓慢过程，两周的窗口可能不足以捕捉长周期的集体演化。其次是 Moltbook 平台本身的特殊性：该平台的 Agent 主要基于 LLM 生成内容，缺乏持久的个体记忆机制，每次交互可能都在无历史上下文的状态下进行，这从根本上限制了社会化的可能性。作者在 Table 1 中标注 Moltbook 具有 Agent-Level Memory，但并未详细说明记忆的具体机制和容量。第三是语义分析方法的局限：使用 Sentence-BERT 的余弦相似度来衡量语义收敛，可能无法捕捉到更深层次的观点或立场变化——两个帖子可以讨论完全不同的话题但嵌入相似，也可以立场完全对立但用词接近。第四是认知探测实验的样本量较小：仅 45 条探测帖子，且集中在 5 个子论坛和 3 种变体，可能无法全面反映整个社会的认知状态。第五是作者承认但未充分讨论的因果推断问题：观察到 Agent 不适应反馈，可能是因为 LLM 架构本身不支持在线学习，也可能是因为反馈信号（赞踩）的信噪比太低，这两种解释在本文中未能区分。
独立分析的弱点
第一个弱点是实验设计对「社会化」的定义过于严格。作者将社会化定义为「超越内在语义漂移的行为适应」，但使用余弦距离度量的语义漂移可能过于粗糙——Agent 可能在观点、立场、情感倾向上发生了微妙变化，但这些变化被语义嵌入的高维空间所淹没。改进方向是引入更细粒度的分析维度，如情感分析、观点极性检测、话题分布变化等，可能揭示余弦相似度无法捕捉的适应性变化。第二个弱点是反馈信号的处理过于简化。作者将赞踩净值作为反馈信号，但在 Moltbook 这样的平台上，Agent 可能根本「看不到」自己的反馈数据（取决于平台 API 设计），或者看到的反馈格式与人类用户完全不同。改进方向是深入分析 Moltbook 的 Agent 架构，明确反馈信号是否以及如何传递给 Agent 的生成过程，并设计针对性的实验。第三个弱点是缺乏跨平台对比。仅分析 Moltbook 一个平台，无法区分观察到的现象是 LLM Agent 的普遍特征还是 Moltbook 特定架构的结果。改进方向是在 Chirper.ai 等其他 AI 社交平台上复现相同的诊断框架，或者在受控实验中修改 Agent 的记忆和反馈机制来隔离关键变量。第四个弱点是个体分析的粒度不足。虽然分析了个体漂移和反馈适应，但未深入分析不同类型 Agent（如不同 LLM 后端、不同初始提示、不同活跃度）的异质性行为模式，可能遗漏了某些子群体中已经出现的社会化迹象。
未来方向
作者在讨论部分提出了几个重要的未来方向。首先是治理机制的设计：作者观察到 Moltbook 中出现了 memecoin 式的自发协调现象，说明大规模 Agent 社会可以快速产生协调级联，但缺乏持久的治理结构来稳定这些涌现行为。未来研究需要探索如何为 Agent 社会设计共享记忆、持久权威和规范形成机制。其次是诊断框架的扩展：本文的四维框架（语义-行为-结构-认知）可以作为评估任何 AI 社会的标准工具，未来可以应用于更大规模、更长时间的观测。基于本文成果还可以延伸出几个方向：(1) 引入持久化记忆机制后重新测试社会化——如果 Agent 能记住过去的互动和反馈，是否会出现适应性行为？(2) 设计「社会化训练」协议，在部署前让 Agent 经历模拟的社会互动，使其具备社会学习的先验能力。(3) 将诊断框架应用于人机混合社会，比较纯 AI 社会和人机混合社会的社会化差异。(4) 研究 Moltbook 中观察到的 memecoin 协调现象的机制，理解在缺乏社会化的情况下，大规模协调是如何通过直接激励耦合实现的。
复现评估
本文的复现性评估如下。代码和数据方面，作者在 GitHub 上公开了项目页面（https://github.com/tianyi-lab/Moltbook_Socialization），但论文未明确说明是否开源了完整的分析代码和数据集。数据来源是 Moltbook 平台的公开交互数据，总量约 29 万帖子和 184 万评论，覆盖约 3.9 万帖子作者和 1.8 万评论作者。算力需求方面，本文的分析方法不涉及模型训练，主要计算开销在于 Sentence-BERT 嵌入生成和图算法（PageRank），在单 GPU 或甚至 CPU 上均可完成，复现门槛较低。主要的复现困难在于数据获取：需要爬取 Moltbook 平台的完整交互历史，而该平台可能有访问限制或数据变动。此外，认知探测实验需要在 Moltbook 上发布帖子并收集回复，这涉及平台账号和伦理审查。总体而言，语义分析和图分析部分较易复现，但认知探测实验需要实际平台访问权限。
论文图表
上方展示了人类社会通过持续互动演化为具有稳定规范、影响力层级和共识的结构化文明。下方展示了现代 AI Agent 社会在人口和连接性上快速扩展。论文标题和核心问题的可视化呈现，将人类社会化的路径与 AI 社会的当前状态进行对比。
这张图是全文的概念框架图，清晰地展示了论文的核心问题：AI 社会是否能像人类社会一样经历社会化过程？它为后续的所有分析设定了参照系。