English(EN) Measuring the Behavioral Fidelity of Long-Horizon Human Activity Simulations

新框架衡量LLM在长时人类活动模拟中的保真度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

研究人员开发了一个新框架，用于评估LLM生成长时人类活动模拟的行为保真度。他们的研究收集了一个43小时的办公室活动数据集，并比较了不同的条件机制，包括角色描述符、少样本示例和统计先验。研究结果表明，虽然统计先验使活动分布与真实行为保持一致，但它们会破坏日常活动并降低个体差异，这表明需要跨多个指标和时间粒度进行整体评估。 AI

影响这项研究提供了一种方法来更好地评估LLM生成的人类活动模拟的真实性，这对于政策制定、评估和培训等应用至关重要。

排序理由该集群包含一篇研究论文，详细介绍了用于评估LLM模拟的新框架和方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 33 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了用于评估LLM模拟的新框架和方法论。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yi Fei Cheng, Fan Yang, Iremsu Bas, Koichiro Niinuma, Narishige Abe, David Lindlbauer · 2026-09-02 04:00

衡量长时人类活动模拟的行为保真度

arXiv:2609.01257v1 Announce Type: new Abstract: As LLM-based human simulators are increasingly used for policy, evaluation, and training, they must faithfully reproduce real behavioral patterns. While prior work has examined behavioral fidelity in survey responses and dialogue, l…

本文如何被排名

报道来源 [1]

衡量长时人类活动模拟的行为保真度

相关实体

相关话题