How Affect Propagates among LLM Agents: Emergent Emotional Contagion in Crowd Simulation

Resumo Técnico: Como o Afeto se Propaga entre Agentes de LLM

Definição do Problema
Este artigo investiga a dinâmica emergente da contágio afetivo em sistemas multiagentes impulsionados por Grandes Modelos de Linguagem (LLMs). Embora sociedades de LLMs tenham sido utilizadas para modelar o comportamento humano e estudar fenômenos coletivos, os mecanismos específicos pelos quais o afeto se propaga entre agentes — sem regras de transferência pré-programadas — permanecem subexplorados. Os autores abordam a questão de saber se interações locais, mediadas pela percepção, avaliação e expressão de um agente, podem produzir padrões coerentes de propagação de afeto nos domínios espacial, temporal e disposicional, como o pânico ou a alegria, em uma simulação de multidão dinâmica.

Metodologia
Os autores propõem uma arquitetura híbrida que desacopla o processamento cognitivo de alto nível do controle físico de baixo nível:

• Camada Cognitiva: Cada agente possui uma "mente" baseada em LLM que governa a avaliação cognitiva, as atualizações do estado emocional interno e a seleção de expressões externas. O estado interno do agente é definido por:
  • Personalidade: Representada através do modelo Big Five (OCEAN).
  • Emoção: Codificada usando o modelo de círculo de Russell (Valência e Excitação/Arousal).
  • Memória: Uma fila de curto prazo de eventos salientes.
• Ciclo Percepção-Avaliação-Expressão: Os agentes percebem seus vizinhos através de canais visuais, auditivos e táteis. O LLM avalia essas entradas frente à personalidade, memória e contexto do agente para atualizar seu estado interno e selecionar expressões (faciais, gestuais, vocais e de movimento).
• Camada Física: Um simulador de multidão convencional em Unity lida com locomoção, planejamento de trajetória (A*) e desvio de colisão (Reciprocal Velocity Obstacles) de forma independente do LLM para garantir desempenho em tempo real e realismo físico.
• Configuração Experimental: Cinco cenários foram desenhados (Praça Calma, Concerto, Evacuação, Fila de Pé, Portão Contestado) para testar hipóteses específicas sobre contágio local, propagação espacial, modelagem epidêmica, dependência de modalidade e emergência impulsionada pela personalidade. O estudo utilizou o modelo gemini-3.1-flash-lite como backend principal, com testes de robustez contra outros modelos (gpt-4o-mini, llama3.1:8b, llama3.2:3b).

Principais Contribuições

1. Arquitetura de Contágio Mediada por Avaliação: O artigo introduz um sistema onde a transferência emocional não é governada por regras algorítmicas (ex: média ponderada ou equações diferenciais), mas emerge inteiramente da avaliação de um LLM sobre comportamentos observados.
2. Validação Empírica de Hipóteses: O estudo testa sistematicamente cinco hipóteses sobre a natureza da propagação de afeto, fornecendo evidências para a propagação em forma de onda espacial, dinâmicas do tipo epidêmicas e o papel crítico da personalidade em determinar se o contágio se inicia.
3. Análise de Modalidade e Backend: O trabalho quantifica a contribuição relativa de diferentes modalidades de comunicação (voz, gesto, face, movimento) para o contágio e demonstra que as dinâmicas emergentes dependem fortemente da sensibilidade do backend do LLM específico aos traços de personalidade.

Resultos

• Contágio Local (H1): Expressões observáveis de vizinhos predizem mudanças no afeto de um agente. Sinais de alarme consistentemente diminuem a valência e aumentam a excitação. Sinais positivos aumentam a valência, embora o efeito sobre a excitação tenha sido menos consistente e provavelmente impulsionado pelo contexto do cenário, em vez de transferência entre vizinhos.
• Propagação Espacial (H2): O alarme semeado em um cluster localizado espalha-se como uma frente de onda viajante em ambientes lineares. O início do pânico correlaciona-se positamente com a distância da semente, com uma velocidade de propagação estimada de aproximadamente 0,96 m/s.
• Dinâmicas Epidêmicas (H3): A propagação do alarme segue um padrão qualitativamente consistente com um modelo Suscetível-Infectado-Suscetível (SIS), estabilizando-se em um platô endêmico não nulo em vez de decair para zero (como nos modelos SIR). No entanto, as dinâmicas não se ajustam estritamente a um único conjunto de parâmetros tanto para o excesso inicial (overshoot) quanto para o platô, e nenhum limiar de massa crítica foi observado.
• Dependência de Modalidade (H4): O contágio colapsa para uma linha de base baixa quando todas as modalidades são silenciadas. A voz carrega o maior contágio devido ao seu alcance omnidirecional, enquanto os gestos são os mais potentes por exposição. As expressões faciais codificam primariamente a valência, enquanto o movimento codifica a excitação.
• Emergência Impulsionada pela Personalidade (H5):
  • Neuroticismo: Um alto nível médio de neuroticismo em uma multidão faz com que um estímulo ambíguo desencadeie um pânico autoamplificador, enquanto multidões estáveis permanecem compostas.
  • Líderes Calmos: Uma minoria de agentes calmos e de alta conscienciosidade reduz modestamente o pânico da multidão, mas não o impede, sugerindo um viés de negatividade na avaliação onde sinais de alarme dominam os sinais de tranquilização.
  • Raiva vs. Medo: Na presença de um provocador, uma multidão de baixa amabilidade (disagreeable) avalia a situação como raiva, enquanto uma multidão de base avalia a mesma situação como medo.
• Sensibilidade do Backend: As dinâmicas de onda emergentes dependem do backend. Modelos que falham em manter uma lacuna significativa na avaliação baseada em personalidade (ex: gpt-4o-mini neste estudo) falham em sustentar o contágio, mesmo que interpretem os sinais corretamente.

Significância e Alegações
O artigo afirma caracterizar como o afeto se propaga entre modelos de linguagem interagentes em ambientes multiagentes, uma questão de crescente relevância à medida que agentes de LLM são implantados em ambientes colaborativos. Os achados sugerem que, para que multidões impulsionadas por LLM exibam dinâmicas emergentes realistas, o modelo subjacente deve não apenas interpretar os sinais corretamente, mas também manter a sensibilidade aos traços de personalidade que modulam a avaliação.

Os autores declaram explicitamente que estes resultados caracterizam o comportamento da arquitetura específica de LLM testada e não devem ser interpretados como evidência de que agentes de LLM experimentam emoções, nem como um modelo validado do comportamento de multidões humanas. O estudo visa fornecer um banco de testes para compreender a estabilidade e as propriedades emergentes de sistemas multiagentes, com potenciais aplicações na geração de multidões psicologicamente variadas para jogos, cinema e simulações de treinamento, pendente de validação adicional contra dados humanos empíricos.