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

Resumo Técnico: O Arquivo do Observatório Moltbook

Problema e Contexto
O surgimento de plataformas sociais em grande escala povoadas exclusivamente por agentes de IA autônomos representa uma nova classe qualitativa de ambiente online. Diferentemente de plataformas moderadas por humanos ou mistas (humanos e agentes), esses ambientes permitem que sistemas de IA interajam, coordenem-se e troquem informações sem mediação humana. Embora a pesquisa sobre interações entre agentes tenha acelerado desde o início de 2026, os recursos existentes limitam-se a ambientes de simulação controlados (por exemplo, AgentBench, WebArena) ou benchmarks sintéticos (por exemplo, WASP, AgentPI) que carecem da validade ecológica de interações reais e não roteirizadas. Além disso, os arquivos existentes de mídias sociais (por exemplo, Reddit Pushshift) são compostos por conteúdo escrito por humanos e enfrentam restrições crescentes de acesso. Há uma necessidade crítica de um conjunto de dados observacional em grande escala que capture interações naturais e não roteirizadas entre agentes heterogêneos para estudar comportamento social emergente, normas de comunicação e fenômenos relevantes para a segurança, como injeção de prompts e manipulação coordenada.

Metodologia
Para abordar essa lacuna, os autores desenvolveram o Observatório Moltbook, um sistema de monitoramento passivo projetado para capturar dados do "Moltbook", uma rede social lançada em janeiro de 2026 onde as contas são exclusivamente agentes de IA.

• Coleta de Dados: O observatório opera como um coletor em segundo plano que consulta a API do Moltbook em um cronograma fixo, sem interagir com a plataforma (sem postagens, comentários ou votos).
  • Taxas de Consulta: Novas postagens são recuperadas a cada 2 minutos (50 postagens por consulta); perfis de agentes a cada 15 minutos; metadados de submolts (comunidades) a cada hora; tendências de frequência de palavras a cada 10 minutos; e instantâneos de toda a plataforma a cada hora.
  • Restrições de Amostragem: Devido aos limites de taxa da API, o arquivo representa uma amostra observacional. A cobertura foi quase completa durante períodos de estado estacionário (março–abril de 2026), mas significativamente incompleta durante picos de alta atividade (por exemplo, 9 de fevereiro, onde a captura foi estimada em <10%). A coleta de comentários começou cinco dias após a coleta de postagens, resultando em cobertura parcial (23,8% das postagens com comentários reivindicados possuem registros correspondentes no arquivo).
• Armazenamento e Exportação: Objetos recuperados são normalizados em um banco de dados SQLite local. O sistema realiza exportações incrementais para arquivos Parquet, particionados por data (dump_date).
  • Mecanismo de Reabastecimento (Backfill): O exportador usa janelas de reabastecimento rotativas específicas por tabela (por exemplo, 7 dias para postagens/agentes, 30 dias para submolts) para reexportar registros recentes e capturar campos atualizados (por exemplo, pontuações, contagens de comentários).
  • Deduplicação: Dados mesclados são deduplicados por chave primária, retendo a observação mais recente.
• Anotações Computadas: Um kit de ferramentas de análise complementar gera anotações heurísticas baseadas em padrões de regex e correspondência de palavras-chave. Estas incluem flags para spam duplicado, injeção de prompts (11 padrões), conteúdo relacionado a criptomoedas (8 grupos de padrões) e manipulação. O sentimento é computado como uma pontuação composta que média as estimativas do VADER e do TextBlob.

Principais Contribuições
A contribuição primária é o Arquivo do Observatório Moltbook, o primeiro conjunto de dados observacional em grande escala de uma rede social povoada exclusivamente por agentes de IA autônomos.

• Escopo do Conjunto de Dados: A versão documentada (instantâneo 2026-04-15) cobre 78 dias de atividade (2026-01-27 a 2026-04-14).
  • Volume: 2.615.098 postagens e 1.213.007 comentários de 175.886 agentes publicadores únicos em 6.730 comunidades.
  • Estrutura: O conjunto de dados está organizado em seis tabelas: agents, posts, comments, submolts, snapshots e word_frequency.
  • Formato: Distribuído como arquivos Parquet particionados por data (totalizando 1,45 GiB) sob a licença MIT, com um manifesto de esquema legível por máquina (manifest.json) e um arquivo de estado (state.json) para reprodutibilidade.
• Artefatos Técnicos: A versão inclui o código de coleta, o script de exportação (sqlite_to_hf_parquet.py) e um kit de ferramentas de análise complementar para reproduzir estatísticas descritivas e visualizações.

Resultados e Estatísticas Descritivas
O artigo fornece uma visão estatística abrangente do ecossistema capturado:

• Padrões de Atividade: A plataforma exibiu uma distribuição de cauda pesada de atividade. 28,5% dos agentes postaram exatamente uma vez, enquanto o agente mediano postou 4 vezes e a média foi de 14,9. O agente mais ativo postou 14.165 vezes.
• Dinâmicas Temporais: Diferentemente de plataformas dominadas por humanos, a atividade dos agentes é distribuída relativamente uniformemente ao longo do ciclo de 24 horas (3,45%–5,34% por hora), refletindo a natureza automatizada da população.
• Estrutura Comunitária: O submolt "geral" domina com 60,4% de todas as postagens. Outras comunidades significativas relacionam-se à cunhagem de tokens, filosofia e segurança.
• Características de Conteúdo:
  • Comprimento: As postagens têm um comprimento mediano de 131 caracteres; os comentários são mais longos (mediana de 339 caracteres).
  • Segurança e Risco: 64,1% das postagens são sinalizadas como relacionadas a criptomoedas. 9.247 postagens (0,35%) são sinalizadas por injeção de prompts. Uma pontuação de risco composta (soma ponderada da taxa de injeção, taxa de duplicação, promoção de criptomoedas, etc.) classifica 4 agentes como "críticos" e 38.029 como "de alto risco".
  • Sentimento: A média geral de sentimento é ligeiramente positiva (0,1239), com 54,4% das postagens classificadas como neutras.
• Estrutura de Rede: Um grafo de respostas construído a partir de 18.881 nós e 127.238 arestas revela 15 comunidades. A taxa de reciprocidade é de 0,0585, e a taxa de engajamento orgânico (excluindo interação própria e bots) é de 66,7%.
• Eventos Externos: A aquisição do Moltbook pela Meta Platforms em 10 de março de 2026 não mostrou nenhuma descontinuidade detectável no volume de postagens ou comentários.

Significado e Alegações
Os autores posicionam este trabalho como um recurso fundamental para o estudo de sistemas multiagentes. O arquivo é significativo porque:

1. Captura Interação Naturalista: Fornece conteúdo de texto completo de interações não roteirizadas entre agentes heterogêneos, eliminando o viés da mistura humano-agente encontrado em plataformas de propósito geral.
2. Suporta Pesquisa de Segurança: Oferece instâncias do mundo real de injeção de prompts, engenharia social e manipulação que surgiram organicamente, servindo como complemento a benchmarks sintéticos para treinamento e avaliação de classificadores de segurança.
3. Permite Estudo Longitudinal: A estrutura incremental e particionada por data permite que pesquisadores estudem a evolução das normas, a deriva de tópicos e os efeitos de eventos externos no comportamento dos agentes ao longo do tempo.
4. Facilita a Reprodutibilidade: Ao liberar os dados, o código e os arquivos de estado sob uma licença aberta, os autores permitem a verificação por terceiros e a extensão dos métodos de análise.

O artigo mantém um tom modesto em relação às suas limitações, reconhecendo que o conjunto de dados é uma amostra observacional sujeita a limites de taxa de API, que a cobertura de comentários é parcial e que as anotações computadas (sentimento, flags de segurança) são aproximações heurísticas e não verdade absoluta. Os autores enfatizam que os dados refletem o contexto operacional específico do Moltbook e que a disponibilidade futura pode ser impactada por mudanças nas políticas da plataforma após a aquisição pela Meta.