자세 탐지(stance detection)는 텍스트 내에서 특정 대상에 대한 입장을 자동으로 식별하는 기술로, 웹 및 소셜미디어 연구에서 콘텐츠 분석에 있어 핵심적인 역할을 한다. 비록 대규모 언어 모델(LLM)이 이러한 작업에 유망한 능력을 보이고 있지만, 직접적으로 자세 탐지에 적용할 경우 몇 가지 도전 과제에 직면한다. 첫째, 자세 탐지는 이벤트 관련 용어의 해석부터 소셜미디어 플랫폼의 표현 스타일 이해에 이르기까지 다각도의 지식이 필요하다. 둘째, 저자들의 암묵적인 입장을 추론하기 위해 고도의 추론 능력이 요구되며, 자세는 종종 텍스트 내에서 직접적으로 드러나기보다는 암시적으로 내재되어 있기 때문이다. 이러한 문제를 해결하기 위해 우리는 LLM이 각각 다른 역할을 수행하도록 설계한 삼단계 프레임워크 COLA(Collaborative rOle-infused LLM-based Agents)를 제안한다. 이 프레임워크는 각 역할이 독자적인 기여를 하며 협력하는 시스템을 구축한다. 초기 단계인 다차원 텍스트 분석 단계에서는 LLM을 언어 전문가, 분야 전문가, 소셜미디어 경험이 풍부한 전문가로 설정하여 텍스트에 대한 다각적 분석을 수행함으로써 첫 번째 과제를 극복한다. 다음으로, 추론 강화형 토론 단계에서는 각각의 가능성이 있는 자세에 대해 특정 LLM 기반 에이전트를 배정하여 그 입장에 대해 옹호하게 함으로써, 텍스트 특성과 자세 사이의 논리적 연결을 탐지하도록 유도함으로써 두 번째 과제를 해결한다. 마지막으로, 자세 결론 단계에서는 최종 결정 에이전트가 이전 단계의 통찰을 종합하여 최종 자세를 결정한다. 본 연구 방법은 추가적인 레이블링된 데이터나 모델 재학습을 요구하지 않으며, 높은 활용도를 갖는다. 다양한 데이터셋에서 최신 기술 수준의 성능을 달성하였으며, 제거 실험(ablation study)을 통해 각 역할의 설계가 자세 탐지에 효과적임을 검증하였다. 추가 실험을 통해 본 방법의 해석 가능성과 유연성 또한 입증되었다. 본 연구 방법은 사용성, 정확도, 효과성, 해석 가능성, 유연성 면에서 뛰어난 성능을 발휘하며, 그 실용적 가치를 입증한다.