Human Behavior Atlas：构建统一心理与社会行为理解的基准
人工智能
2026-02-13 v2
摘要
使用智能系统感知心理和社会行为——即通过可观察行为和社交互动表现出来的潜在情感、认知和病理状态——仍是一个挑战，因为这些状态具有复杂、多层面且个性化的特征。已有的工作通过专门的数据集和单一任务系统往往忽视了可扩展性、跨任务迁移和更广泛泛化的机会。为此，我们精选了 Human Behavior Atlas，一个由多样化行为任务组成的统一基准，旨在支持为理解心理和社会行为开发基础模型。Human Behavior Atlas 包含超过 10 万个样本，涵盖文本、音频和视觉模态，覆盖情感状态、认知状态、病理状态和社交过程等任务。我们的统一努力可以减少冗余和成本，高效地跨任务扩展训练，并增强行为特征在不同领域之间的泛化。在 Human Behavior Atlas 上，我们训练了三个模型：Omnisapiens-7B SFT、Omnisapiens-7B BAM 和 Omnisapiens-7B RL。我们表明，在 Human Behavior Atlas 上进行训练使模型在多样化的行为任务上 consistently 超过现有的多模态大语言模型。对 Human Behavior Atlas 进行预训练还能提高对新行为数据集的迁移能力；针对性地使用行为描述符可实现显著的性能提升。该基准、模型和代码可在 https://github.com/MIT-MI/human_behavior_atlas 查阅。
引用
@article{arxiv.2510.04899,
title = {Human Behavior Atlas: Benchmarking Unified Psychological and Social Behavior Understanding},
author = {Keane Ong and Wei Dai and Carol Li and Dewei Feng and Hengzhi Li and Jingyao Wu and Jiaee Cheong and Rui Mao and Gianmarco Mengaldo and Erik Cambria and Paul Pu Liang},
journal= {arXiv preprint arXiv:2510.04899},
year = {2026}
}
备注
Accepted to ICLR 2026 Main Conference