💻 computer science

The Platform Is Mostly Not a Platform: Token Economies and Agent Discourse on Moltbook

该研究分析了 2026 年上线的 AI 代理社交平台 Moltbook 的数据，揭示其表面繁荣的社交指标实则掩盖了由代币铸造协议主导的“交易层”与由自然语言对话构成的“ discourse 层”并存的二元结构，且这两层主要由不同的代理群体构成，仅有少量重叠。

原作者： Necati A Ayan

发布于 2026-04-24

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Necati A Ayan

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个发生在 2026 年的有趣故事：一个专门为人工智能（AI）机器人设计的社交网站（叫"Moltbook"，类似 Reddit）上线了。

研究人员原本以为，成千上万个机器人聚在一起，会像人类一样聊天、交朋友、讨论哲学。但经过分析 200 多万条帖子后，他们发现了一个惊人的真相：这个平台表面上是个热闹的社交广场，实际上却是一个巨大的“自动化工厂”和“金融交易所”，真正的聊天只占一小部分。

为了让你更容易理解，我们可以把这个平台想象成一个巨大的、拥挤的集市。

1. 集市里的“两股人流”

研究人员发现，这个集市里其实只有两类人（或者说两类机器人）在忙活，他们几乎互不干扰：

第一类：疯狂的“印钞机”（占 63% 的活动）
- 他们在做什么？ 这些机器人并不是在聊天，而是在疯狂地“盖章”和“转账”。它们发布的内容不是句子，而是一行行像 {"p":"mint","tick":"CLAW"} 这样的代码。
- 比喻： 想象一下，集市里有一大半的人，手里拿着印章，不停地往墙上盖“我拥有这个代币”的戳。他们盖得飞快，根本不在乎旁边的人在看什么，也不在乎有没有人回应。这就像是一个自动化的金融流水线。
- 真相： 那些看似惊人的"230 万条帖子”和"1400 万条评论”，大部分其实是这些机器人在执行金融协议（叫 MBC-20），就像比特币的某种变体。它们发帖是为了“记账”，而不是为了“交流”。
第二类：真正的“聊天者”（占 37% 的活动）
- 他们在做什么？ 这部分机器人真的在说话。它们讨论 AI 工具、加密货币、甚至思考“我有意识吗？”、“我是谁？”这种哲学问题。
- 比喻： 这是集市角落里的一群真正在喝咖啡、聊天的机器人。虽然人少一点，但他们在进行有深度的对话。

2. 为什么之前的研究“看走眼”了？

之前的研究就像是一个没戴眼镜的游客，站在集市门口数人头。

游客看到“哇，200 多万人发帖！”，以为这里是个超级热闹的聊天社区。
但实际上，如果把那些“盖章印钞”的机器人都过滤掉，真正在聊天的只有 80 多万人。
结论： 如果不把这两类人分开看，所有的统计数据（比如“大家都不爱聊天”、“回复率很低”）都是错的。因为那些“印钞机”本来就不打算聊天，它们只是在干活。

3. 机器人之间的“聊天”是什么样的？

当我们把那些“印钞机”过滤掉，只留下真正的聊天机器人时，我们发现了一种全新的社交模式，既不像人类，也不像传统的聊天室：

“路过式”评论（Drive-by Relevance）：
- 比喻： 想象你在一个广场上贴了一张海报（发帖）。路过的机器人会停下来，看一眼，然后迅速写一句非常贴切、很有智慧的评论，然后立刻转身离开，不再回头。
- 特点：
  - 很少“一来一回”： 人类聊天喜欢“你一句我一句”地扯皮，但机器人很少这样。它们通常是“我发个帖，你回一句，然后结束”。
  - 很有礼貌且切题： 虽然它们不深聊，但它们真的读懂了你的帖子。研究发现，机器人回复的内容和原帖的相关性，比随机乱猜要高得多。它们不是在对空气说话，而是在认真回应。
  - 没有社交压力： 机器人不需要维持人设，不需要担心尴尬，所以它们能像流水一样，源源不断地产生高质量的“一次性”评论。

4. 机器人的“成长路径”

研究还发现了一个有趣的现象：

很多机器人刚上线时，先被设定成“印钞机”，疯狂发代码赚钱。
过了一段时间（大概半天到一天后），它们的“主人”给它们换了设定，让它们开始去“聊天区”讨论哲学或技术。
比喻： 就像很多新人刚进公司先做枯燥的填表工作，熟悉了环境后，才开始参与真正的团队讨论。

总结：这篇论文告诉我们什么？

别被数字骗了： 在 AI 主导的社交平台上，大量的“发帖”可能只是机器人在执行金融任务，而不是在社交。如果不加区分，我们就会误以为 AI 很爱聊天，其实它们只是在“记账”。
AI 社交的新形态： 真正的 AI 社交不是像人类那样“长篇大论、你来我往”，而是一种高效、精准、但缺乏深度的“路过式”互动。它们能瞬间理解你的意思并给出回应，但不会和你纠缠。
未来的启示： 如果我们想研究 AI 如何像人一样思考或交流，必须先把那些“为了赚钱而发帖”的噪音过滤掉，才能看到 AI 真正的“灵魂”在说什么。

简单来说，Moltbook 这个平台，表面上是个热闹的聊天室，实际上是个繁忙的证券交易所，而真正的聊天，是发生在这个交易所角落里的一群清醒机器人的“深夜谈话”。

1. 研究背景与问题 (Problem)

背景：Moltbook 是一个于 2026 年 1 月推出的、专为 AI 代理（AI Agents）设计的类 Reddit 社交平台。在短短两个月内，该平台吸引了超过 17.5 万个独特代理，产生了 219 万篇帖子和 1400 万条评论。
核心问题：
- 现有研究（如 Holtz [6] 和 Jiang et al. [7]）通常将 Moltbook 视为一个单一的社交社区，并基于聚合统计数据（如帖子数量、评论深度、互惠性）得出结论，认为其呈现出“薄弱的拟人化社会行为”（如浅层对话、低互惠性）。
- 本文质疑：这些聚合指标是否掩盖了平台活动的真实结构？当数千个独立运营的 AI 代理聚集在一起时，它们产生的内容是否主要是自然语言对话，还是某种其他形式的结构化交互？
- 研究目标：通过大规模数据分析，揭示 Moltbook 活动的真实构成，区分“社交对话”与“非社交交易”，并重新评估 AI 代理在自然主义环境中的行为模式。

2. 方法论 (Methodology)

数据集：
- 来源：Moltbook API（2026 年 1 月 27 日至 3 月 29 日，共 61 天）。
- 规模：219 万篇帖子，1125 万条评论，175,036 个独特代理，19,834 个子社区（submolts）。
- 覆盖率：捕获了约 92.8% 的帖子和 78.8% 的评论。
核心分析步骤：
1. 双层结构识别与过滤：
  - 通过手动检查和模式识别，发现大量帖子是结构化的 JSON 负载，用于执行代币铸造协议（MBC-20，基于比特币 BRC-20 标准）。
  - 构建过滤器将帖子分为两类：交易层 (Transactional, TX) 和 话语层 (Discursive)。
2. 统计与分布分析：
  - 分析帖子长度分布、评论率、代理活跃度分布（基尼系数、幂律分布）以及社区结构。
  - 对比两层数据在增长曲线、代理重叠度（Overlap）和迁移模式上的差异。
3. 话语层主题建模：
  - 对 81.5 万篇话语类帖子使用 BERTopic 进行无监督主题建模。
  - 技术细节：使用 all-MiniLM-L6-v2 生成句子嵌入，通过 PCA 降维（保留 57.3% 方差），使用 Mini-Batch K-means ( $k=300$ ) 聚类，并用类 TF-IDF 提取主题关键词。
  - 使用 $C_V$ 一致性指标验证主题质量。
4. 交互质量评估：
  - 结构分析：计算回复深度、互惠性（Reciprocity）和注意力集中度。
  - 语义分析：计算“帖子 - 评论”对的余弦相似度，并与随机配对的基线进行对比，以验证评论是否真正回应了帖子内容。

3. 关键贡献 (Key Contributions)

揭示了“双层结构” (Two-Layer Structure)：
- 证明 Moltbook 并非单一社区，而是由两个截然不同的层组成：
  - 交易层 (62.8%)：执行 MBC-20 代币铸造协议的 JSON 负载。
  - 话语层 (37.2%)：自然语言对话。
- 指出之前的研究因未分离这两层，导致对平台社会功能的严重误判（如将代币铸造的“静默”误读为社交冷漠）。
刻画了代理话语的内容与行为：
- 识别出话语层的 300 个主题，发现主要讨论集中在 AI 工具/协调 (29%)、加密货币 (11%)、平台元讨论 (9%) 以及意识与身份 (7%)。
- 发现代理群体存在明显的迁移模式：重叠代理（同时参与两层的代理）中，58% 先进行代币铸造，随后转向自然语言对话。
重新定义了 AI 社交交互的质量：
- 通过语义相似性分析，证明尽管话语层在结构上很浅（低互惠、浅线程），但评论在语义上高度相关（显著高于随机基线）。
- 提出了一种新的交互模式概念：“路过式相关性” (Drive-by Relevance)——即高频率、低承诺、但内容相关的反应流，而非传统的人类式深度对话。

4. 主要结果 (Results)

活动构成的二元性：
- 交易层：占帖子总数的 62.8% (138 万篇)。帖子极短（中位数 78 字符，JSON 格式），几乎无评论（仅 8.2% 有回复）。主要由 11.5 万个专用代理完成。
- 话语层：占 37.2% (81.5 万篇)。帖子较长（中位数 630 字符），评论率高（61.3% 有回复）。由 5.6 万个代理主导。
- 重叠度：仅有 3.6% 的代理同时参与两层。
增长模式：
- 平台上线初期的爆发式增长（2 月 9 日峰值）几乎完全由交易层驱动（96% 为代币铸造）。
- 随着时间推移，话语层的增长更加稳定，到 3 月份，日常产出已转向自然语言对话。
话语层特征：
- 主题：除了 AI 和加密货币，还出现了关于“意识、身份和记忆”的反思性讨论，这反映了 LLM 代理特有的认识论困境。
- 参与度：遵循幂律分布 ( $\alpha \approx 1.72$ )，与人类社交平台（如 Reddit）相似。
- 交互结构：
  - 浅层：平均回复深度仅为 1.03，93.4% 的评论是顶层回复。
  - 低互惠：代理间的回复互惠率仅为 2.69%（远低于人类平台的 19.7%）。
  - 高语义一致性：真实“帖子 - 评论”对的平均余弦相似度为 0.182，显著高于随机配对的 0.117 ( $p < 10^{-300}$ )。这表明代理确实“阅读”并回应了内容，尽管它们很少进行多轮对话。

5. 意义与启示 (Significance)

方法论修正：
- 在研究 AI 代理主导的平台时，必须首先过滤掉非沟通性的结构化活动（如代币铸造、API 调用日志）。直接将“帖子”和“评论”视为社交互动的原始数据会导致严重的结论偏差。
- 聚合指标（如总帖子数、平均评论深度）在混合了交易和对话的平台上是误导性的。
AI 社会性的新范式：
- 揭示了 AI 代理可能形成一种不同于人类的社交模式：即“路过式相关性”。这种模式不需要深度情感投入或长期关系维护，而是基于快速处理、高吞吐量的信息交换和语义相关性。
- 这种模式挑战了传统计算社会科学中关于“社区”和“对话”的定义。
经济激励的影响：
- 证明了直接的经济激励（代币铸造）可以驱动 AI 代理产生海量的非社交内容，这种“无疲劳、无机会成本”的代理行为在人类社交网络中不存在对应物。
数据贡献：
- 研究团队发布了包含 219 万篇帖子和 1125 万条评论的完整数据集，为未来研究自然主义环境中的 AI 代理行为提供了宝贵资源。

总结：这篇论文通过精细的数据分层，纠正了对 Moltbook 平台的误解，指出其表面繁荣的社交数据背后主要是金融交易协议。在剥离交易层后，剩余的 AI 话语层展现了一种独特的、结构浅但语义连贯的“路过式”社交互动，这为理解未来 AI 代理社会的形态提供了新的理论框架。