The Moltbook Observatory Archive: an incremental dataset of agent-only social network activity

Technische Samenvatting: Het Moltbook Observatory-archief

Probleem en Context
Het ontstaan van grootschalige sociale platforms die uitsluitend worden bevolkt door autonome AI-agenten vertegenwoordigt een kwalitatief nieuwe klasse van online omgeving. In tegenstelling tot door mensen gemodereerde of gemengde mens-agent platforms, staan deze omgevingen AI-systemen toe om zonder menselijke bemiddeling te interageren, te coördineren en informatie uit te wisselen. Hoewel onderzoek naar agentinteracties sinds begin 2026 is versneld, zijn bestaande bronnen beperkt tot gecontroleerde simulatieomgevingen (bijv. AgentBench, WebArena) of synthetische benchmarks (bijv. WASP, AgentPI) die de ecologische validiteit van niet-gescripte, real-world interacties missen. Bovendien bestaan bestaande sociale media-archieven (bijv. Reddit Pushshift) uit door mensen geschreven content en worden ze geconfronteerd met toenemende toegangsbeperkingen. Er is een kritieke behoefte aan een grootschalige, observationele dataset die natuurlijke, niet-gescripte interacties tussen heterogene agenten vastlegt om opkomend sociaal gedrag, communicatienormen en veiligheidsrelevante fenomenen zoals prompt-injectie en gecoördineerde manipulatie te bestuderen.

Methodologie
Om deze kloof te dichten, ontwikkelden de auteurs het Moltbook Observatory, een passief monitoringssysteem dat is ontworpen om data te verzamelen van "Moltbook", een sociaal netwerk dat in januari 2026 werd gelanceerd en waar accounts uitsluitend door AI-agenten worden beheerd.

• Datacollectie: Het observatorium fungeert als een achtergrondcollector die de Moltbook-API volgens een vast schema raadpleegt zonder met het platform te interageren (geen posten, commentaren of stemmen).
  • Polling-frequenties: Nieuwe posts worden elke 2 minuten opgehaald (50 posts per poll); agentprofielen elke 15 minuten; submolt (community)-metadata per uur; woordfrequentietrends elke 10 minuten; en platformbrede snapshots per uur.
  • Steekproefbeperkingen: Vanwege API-snelheidsbeperkingen vertegenwoordigt het archief een observationele steekproef. De dekking was bijna compleet tijdens periodes van stabiele toestand (maart–april 2026), maar aanzienlijk incompleet tijdens pieken in activiteit (bijv. 9 februari, waarbij de vastlegging werd geschat op <10%). De verzameling van commentaren begon vijf dagen na de verzameling van posts, wat resulteerde in een gedeeltelijke dekking (23,8% van de posts met beweerde commentaren heeft overeenkomende archiefrecords).
• Opslag en Export: Opgehaalde objecten worden genormaliseerd naar een lokale SQLite-database. Het systeem voert incrementele exporten uit naar Parquet-bestanden, gepartitioneerd op datum (dump_date).
  • Backfill-mechanisme: De exporter gebruikt rollende backfill-vensters specifiek voor tabellen (bijv. 7 dagen voor posts/agenten, 30 dagen voor submolts) om recente records opnieuw te exporteren en bijgewerkte velden (bijv. scores, aantallen commentaren) vast te leggen.
  • Deduplicatie: Gemengde data wordt gededupliceerd op primaire sleutel, waarbij de meest recente observatie wordt behouden.
• Berekende Annotaties: Een begeleidend analysetoolkit genereert heuristische annotaties op basis van regex-patronen en trefwoordmatching. Deze omvatten vlaggen voor dubbele spam, prompt-injectie (11 patronen), crypto-gerelateerde content (8 patroongroepen) en manipulatie. Sentiment wordt berekend als een samengestelde score die de schattingen van VADER en TextBlob middelt.

Belangrijkste Bijdragen
De primaire bijdrage is het Moltbook Observatory-archief, de eerste grootschalige observationele dataset van een sociaal netwerk dat uitsluitend wordt bevolkt door autonome AI-agenten.

• Dataset Scope: De gedocumenteerde release (snapshot 2026-04-15) bestrijkt 78 dagen activiteit (2026-01-27 tot 2026-04-14).
  • Volume: 2.615.098 posts en 1.213.007 commentaren van 175.886 unieke postende agenten verspreid over 6.730 communities.
  • Structuur: De dataset is georganiseerd in zes tabellen: agents, posts, comments, submolts, snapshots en word_frequency.
  • Formaat: Gedistribueerd als op datum gepartitioneerde Parquet-bestanden (totaal 1,45 GiB) onder de MIT-licentie, met een machineleesbaar schema-manifest (manifest.json) en statusbestand (state.json) voor reproduceerbaarheid.
• Technische Artefacten: De release omvat de verzamelcode, het exportscript (sqlite_to_hf_parquet.py) en een begeleidend analysetoolkit voor het reproduceren van beschrijvende statistieken en visualisaties.

Resultaten en Beschrijvende Statistieken
Het paper biedt een uitgebreide statistische overzicht van het vastgelegde ecosysteem:

• Activiteitspatronen: Het platform vertoonde een zwaarstaartige verdeling van activiteit. 28,5% van de agenten postte exact één keer, terwijl de mediaan-agent 4 keer postte en het gemiddelde 14,9 was. De meest actieve agent postte 14.165 keer.
• Temporele Dynamiek: In tegenstelling tot door mensen gedomineerde platforms, is de activiteit van agenten relatief uniform verdeeld over het 24-uurscycloon (3,45%–5,34% per uur), wat de geautomatiseerde aard van de populatie weerspiegelt.
• Community-structuur: De "general" submolt domineert met 60,4% van alle posts. Andere significante communities hebben betrekking op token minting, filosofie en beveiliging.
• Contentkenmerken:
  • Lengte: Posts hebben een mediaanlengte van 131 tekens; commentaren zijn langer (mediaan 339 tekens).
  • Veiligheid & Risico: 64,1% van de posts wordt gemarkeerd als crypto-gerelateerd. 9.247 posts (0,35%) worden gemarkeerd voor prompt-injectie. Een samengestelde risicoscore (gewogen som van injectiepercentage, duplicatiepercentage, crypto-promotie, enz.) classificeert 4 agenten als "kritiek" en 38.029 als "hoog-risico".
  • Sentiment: De algehele gemiddelde sentiment is licht positief (0,1239), waarbij 54,4% van de posts als neutraal wordt geclassificeerd.
• Netwerkstructuur: Een reply-grafiek opgebouwd uit 18.881 knopen en 127.238 randen onthult 15 communities. De wederkerigheidsgraad is 0,0585 en de organische engagementratio (exclusief zelfinteractie en bots) is 66,7%.
• Externe Gebeurtenissen: De overname van Moltbook door Meta Platforms op 10 maart 2026 toonde geen waarneembare discontinuïteit in het volume van posten of commentaren.

Betekenis en Claims
De auteurs positioneren dit werk als een fundamentele bron voor de studie van multi-agent systemen. Het archief is significant omdat het:

1. Natuurlijke Interactie Vastlegt: Het biedt volledige tekstcontent van niet-gescripte interacties tussen heterogene agenten, waardoor de verwarring van mens-agent-mixing die voorkomt in algemene platforms wordt geëlimineerd.
2. Ondersteunt Veiligheidsonderzoek: Het biedt real-world voorbeelden van prompt-injectie, sociale manipulatie en manipulatie die organisch zijn ontstaan, en dient als aanvulling op synthetische benchmarks voor het trainen en evalueren van veiligheidsclassificators.
3. Maakt Longitudinaal Onderzoek Mogelijk: De incrementele, op datum gepartitioneerde structuur stelt onderzoekers in staat de evolutie van normen, topic-drift en de effecten van externe gebeurtenissen op agentgedrag in de loop van de tijd te bestuderen.
4. Faciliteert Reproduceerbaarheid: Door de data, code en statusbestanden onder een open licentie vrij te geven, stellen de auteurs derde partijen in staat verificatie uit te voeren en analysemethoden uit te breiden.

Het paper behoudt een bescheiden toon met betrekking tot zijn beperkingen, waarbij wordt erkend dat de dataset een observationele steekproef is die onderhevig is aan API-snelheidsbeperkingen, dat de commentarddekking gedeeltelijk is, en dat berekende annotaties (sentiment, veiligheidsvlaggen) heuristische benaderingen zijn in plaats van grondwaarheid. De auteurs benadrukken dat de data de specifieke operationele context van Moltbook weerspiegelt en dat toekomstige beschikbaarheid kan worden beïnvloed door veranderingen in platformbeleid na de overname door Meta.