Buchumschlag

Towards Real-world Human Behavior Simulation: Benchmarking Large Language Models on Long-horizon, Cross-scenario, Heterogeneous Behavior Traces

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Jiawei, Xu, Ruoxi, Cao, Boxi, Pan, Ruotong, Zhang, Yunfei, Hu, Yifei, Du, Yong, Gao, Tingting, Lu, Yaojie, Sun, Yingfei, Han, Xianpei, Sun, Le, Wu, Xiangyu, Lin, Hongyu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Correctness: Benchmarking Multi-dimensional Code Generation for Large Language Models
von: Zheng, Jiasheng, et al.
Veröffentlicht: (2024)

Academically intelligent LLMs are not necessarily socially intelligent
von: Xu, Ruoxi, et al.
Veröffentlicht: (2024)

Memorizing is Not Enough: Deep Knowledge Injection Through Reasoning
von: Xu, Ruoxi, et al.
Veröffentlicht: (2025)

AI for social science and social science of AI: A Survey
von: Xu, Ruoxi, et al.
Veröffentlicht: (2024)

LiteCoder-Terminal: Scaling Long-Horizon Terminal Environments for Learning Language Agents
von: Peng, Xiaoxuan, et al.
Veröffentlicht: (2026)

The Life Cycle of Knowledge in Big Language Models: A Survey
von: Cao, Boxi, et al.
Veröffentlicht: (2023)

Large Language Models Often Say One Thing and Do Another
von: Xu, Ruoxi, et al.
Veröffentlicht: (2025)

Multi-Facet Counterfactual Learning for Content Quality Evaluation
von: Zheng, Jiasheng, et al.
Veröffentlicht: (2024)

Beyond Text-Dominance: Understanding Modality Preference of Omni-modal Large Language Models
von: Yan, Xinru, et al.
Veröffentlicht: (2026)

Combinatorial Synthesis: Scaling Code RLVR via Atomic Decomposition and Recombination
von: Zheng, Jiasheng, et al.
Veröffentlicht: (2026)

Spiral of Silence: How is Large Language Model Killing Information Retrieval? -- A Case Study on Open Domain Question Answering
von: Chen, Xiaoyang, et al.
Veröffentlicht: (2024)

Open Grounded Planning: Challenges and Benchmark Construction
von: Guo, Shiguang, et al.
Veröffentlicht: (2024)

Not All Contexts Are Equal: Teaching LLMs Credibility-aware Generation
von: Pan, Ruotong, et al.
Veröffentlicht: (2024)

Few-shot Named Entity Recognition via Superposition Concept Discrimination
von: Chen, Jiawei, et al.
Veröffentlicht: (2024)

MetaphorVU: Towards Metaphorical Video Understanding
von: Li, Zhuoqun, et al.
Veröffentlicht: (2026)

DOMAINEVAL: An Auto-Constructed Benchmark for Multi-Domain Code Generation
von: Zhu, Qiming, et al.
Veröffentlicht: (2024)

P^2O: Joint Policy and Prompt Optimization
von: Lu, Xinyu, et al.
Veröffentlicht: (2026)

Decoupling Reasoning and Confidence: Resurrecting Calibration in Reinforcement Learning from Verifiable Rewards
von: Ma, Zhengzhao, et al.
Veröffentlicht: (2026)

When Models Outthink Their Safety: Unveiling and Mitigating Self-Jailbreak in Large Reasoning Models
von: Mao, Yingzhi, et al.
Veröffentlicht: (2025)

Learning from Failures: Correction-Oriented Policy Optimization with Verifiable Rewards
von: Ren, Mengjie, et al.
Veröffentlicht: (2026)

Towards Universal Dense Blocking for Entity Resolution
von: Wang, Tianshu, et al.
Veröffentlicht: (2024)

Expanding the Boundaries of Vision Prior Knowledge in Multi-modal Large Language Models
von: Liang, Qiao, et al.
Veröffentlicht: (2025)

Rule or Story, Which is a Better Commonsense Expression for Talking with Large Language Models?
von: Bian, Ning, et al.
Veröffentlicht: (2024)

REInstruct: Building Instruction Data from Unlabeled Corpus
von: Chen, Shu, et al.
Veröffentlicht: (2024)

Executing Natural Language-Described Algorithms with Large Language Models: An Investigation
von: Zheng, Xin, et al.
Veröffentlicht: (2024)

Meta-Cognitive Analysis: Evaluating Declarative and Procedural Knowledge in Datasets and Large Language Models
von: Li, Zhuoqun, et al.
Veröffentlicht: (2024)

READoc: A Unified Benchmark for Realistic Document Structured Extraction
von: Li, Zichao, et al.
Veröffentlicht: (2024)

RefCritic: Training Long Chain-of-Thought Critic Models with Refinement Feedback
von: Tang, Qiaoyu, et al.
Veröffentlicht: (2025)

URL: Universal Referential Knowledge Linking via Task-instructed Representation Compression
von: Li, Zhuoqun, et al.
Veröffentlicht: (2024)

Critic-CoT: Boosting the reasoning abilities of large language model via Chain-of-thoughts Critic
von: Zheng, Xin, et al.
Veröffentlicht: (2024)

StructEval: Deepen and Broaden Large Language Model Assessment via Structured Evaluation
von: Cao, Boxi, et al.
Veröffentlicht: (2024)

SAISA: Towards Multimodal Large Language Models with Both Training and Inference Efficiency
von: Yuan, Qianhao, et al.
Veröffentlicht: (2025)

Vision-OPD: Learning to See Fine Details for Multimodal LLMs via On-Policy Self-Distillation
von: Yuan, Qianhao, et al.
Veröffentlicht: (2026)

Retentive or Forgetful? Diving into the Knowledge Memorizing Mechanism of Language Models
von: Cao, Boxi, et al.
Veröffentlicht: (2023)

CRUXEval-X: A Benchmark for Multilingual Code Reasoning, Understanding and Execution
von: Xu, Ruiyang, et al.
Veröffentlicht: (2024)

ScaleBox: Enabling High-Fidelity and Scalable Code Verification for Large Language Models
von: Zheng, Jiasheng, et al.
Veröffentlicht: (2026)

Search, Verify and Feedback: Towards Next Generation Post-training Paradigm of Foundation Models via Verifier Engineering
von: Guan, Xinyan, et al.
Veröffentlicht: (2024)

The Rise and Down of Babel Tower: Investigating the Evolution Process of Multilingual Code Large Language Model
von: Chen, Jiawei, et al.
Veröffentlicht: (2024)

ShortV: Efficient Multimodal Large Language Models by Freezing Visual Tokens in Ineffective Layers
von: Yuan, Qianhao, et al.
Veröffentlicht: (2025)

MemSearcher: Training LLMs to Reason, Search and Manage Memory via End-to-End Reinforcement Learning
von: Yuan, Qianhao, et al.
Veröffentlicht: (2025)