OmniBehavior显示大模型模拟真实行为仍困难

1. 12:00
   arXiv · Machine Learning

   OmniBehavior基准评测大语言模型对真实人类行为轨迹的模拟能力

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。