arXiv cs.AI· Wenji Zhang, Xilong Cheng, Yunxiao Qin, Mai Tu, Tongye Zhu, Yuhao Zhou, JingBo Ji, Yuting Tan, Duoyin Li, Hongjiang Xiao, Yuan Zhang·· 3 天前AI 评分24
PsyMemBehav：面向社交媒体行为模拟的心理学启发与记忆锚定两级身份到行动推理
PsyMemBehav: Psychology-Informed and Memory-Grounded Two-Level Identity-to-Action Reasoning for Social-Media Behavior Simulation
AI 导读
PsyMemBehav 通过两级身份到行动推理，将心理学启发的用户画像与检索记忆映射到平台行为，并基于 Reddit、Bluesky、Twitter 上 5,862 名真实用户的 5.57M 条行为构建了 PsyMemBehav-bench。
正文 · AI 翻译
作者：Wenji Zhang、Xilong Cheng、Yunxiao Qin、Mai Tu、Tongye Zhu、Yuhao Zhou、JingBo Ji、Yuting Tan、Duoyin Li、Hongjiang Xiao、Yuan Zhang
摘要：大语言模型（LLM）支持社会模拟，但要忠实复现真实用户，需要将结构化的平台决策和语言都建立在稀疏、嘈杂的行为证据之上。我们提出 PsyMemBehav，它通过两级身份到行动的推理，将心理学启发的画像和检索到的记忆映射为目标优先的平台行为。为了用全面的行为轨迹支持这一方法，我们基于 Reddit、Bluesky 和 Twitter 上 5,862 名真实用户的 557 万次观测行为（平均每名用户约 950 次）构建了数据集 PsyMemBehav-bench。每一次记录的互动都被建模为先进行目标选择，随后是 Comment、Like 或 Repost，以及可选的回复生成。PsyMemBehav 结合了 41 维用户描述符、top-5 BM25 记忆、reverse-CoT 监督，以及在完整推理-行动轨迹上的 rubric 引导 DPO。实验表明，PsyMemBehav 27B 在 12 项报告的个体级指标中有 11 项排名第一，将平均回复质量相较 GPT-5.4 从 54.28 提升至 59.68（相对提升 9.95%），并在模拟系统中取得了最低的群体级 MAE（0.081）和 MSE（0.009）。这些结果支持面向观测线程延续的、基于证据的用户建模；该基准仍以已记录的互动为条件，并未对无行动决策建模。
| 评论： | 20 页，7 幅图，含附录 |
| 主题： | 人工智能（cs.AI）；社会与信息网络（cs.SI） |
| 引用为： | arXiv:2610.14570 [cs.AI] |
| （或 arXiv:2610.14570v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14570 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xilong Cheng [查看邮箱]
[v1]
2026年10月10日星期六 04:38:44 UTC（10,964 KB）
来源：arXiv cs.AI · arxiv.org