研究人员提出LLM模拟人类行为的行为档案设计框架
Start here
2026年11月3日，研究人员在arXiv发表研究，提出了一种为大语言模型模拟人类分布外行为构建行为档案的设计框架，该框架利用前向特征选择来优化描述内容。在针对616场公共物品博弈、144场多方谈判博弈以及1,480种广义货币请求设计的测试中，研究发现领先的单特征档案预测效果优于通用角色设定或无档案基准，且增加更多特征并没有带来明显收益。此外，跨博弈类型迁移行为档案的效果呈现不均衡性，部分场景下的表现甚至劣于无档案模拟。
AI-generated from reports · Updated 7 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能大语言模型模拟分布外人类行为的行为档案设计
研究人员提出一种为大语言模型模拟人类分布外行为构建行为档案的框架，通过前向特征选择优化描述内容。在 616 场公共物品博弈、144 场多方谈判博弈及 1,480 种广义货币请求设计中，领先的单特征档案预测效果优于通用角色设定或无档案，且增加更多特征无明显收益。此外，跨博弈类型迁移档案收益不均，甚至可能劣于无档案模拟。
Story heat trend
Current heat 4·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours-50%
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.