arXiv · Machine Learning· Jiawei Chen, Ruoxi Xu, Boxi Cao, Ruotong Pan, Yunfei Zhang, Yifei Hu, Yong Du, Tingting Gao, Han Li, Yaojie Lu, Yingfei Sun, Xianpei Han, Le Sun, Xiangyu Wu, Hongyu Lin·· 13 小时前AI 评分73
OmniBehavior基准评测大语言模型对真实人类行为轨迹的模拟能力
Towards Real-world Human Behavior Simulation: Benchmarking Large Language Models on Long-horizon, Cross-scenario, Heterogeneous Behavior Traces
AI 导读
研究团队提出 OmniBehavior，这是一个完全基于真实世界数据、整合长时序、跨场景与异质行为轨迹的预测式用户模拟基准。评测显示，当前大语言模型难以准确预测这类复杂行为，且扩大上下文窗口后性能仍趋于平台。与真实行为对比发现，模型倾向于生成积极的“平均人”，表现出活动过度、人设同质化和乌托邦偏差，导致个体差异与长尾行为流失。
来源：arXiv · Machine Learning · arxiv.org