面向真实世界人类行为模拟：在长时程、跨情景、异构行为轨迹上评估大语言模型

大型语言模型 (LLM) 的出现揭示了通用用户模拟器的潜力。然而，现有基准受限于孤立情景、狭窄动作空间或人工数据，无法捕捉真实人类行为的整体性。为弥合这一差距，我们介绍 OmniBehavior——第一个完全来自真实世界数据构建的用户模拟基准，将长时程、跨情景和异构行为模式整合到统一框架中。基于此基准，我们首先提供实证证据表明，具有孤立情景的先前数据集存在路径依赖性，而真实世界决策依赖于长期、跨情景的因果链。对最新 LLM 的广泛评估显示，当前模型在模拟这些复杂行为方面存在挑战，随着上下文窗口的扩大，性能甚至会停滞。关键在于，对模拟行为与真实行为的系统比较揭示了一种根本性偏差：LLM 倾向于趋向于积极的平均人，表现为过度活跃、人格同质化以及乌托邦式偏差。这导致个体差异和长尾行为的丢失，凸显了未来高保真模拟研究的关键方向。