LifeSim – 复旦与上海创智学院推出的长程用户生活模拟框架

LifeSim是什么

LifeSim是复旦大学与上海创智学院推出的首个长程用户生活模拟框架，用于评测个性化AI助手。框架基于BDI认知模型，同时建模用户内部认知（信念、愿望、意图）与外部环境（时间、地点、天气），生成连贯的生活轨迹和多轮交互。LifeSim通过1200个场景、8个生活领域的LifeSim-Eval基准，评测模型处理显性与隐性意图、长期偏好建模的能力，解决现有评测与真实场景脱节的问题。

LifeSim的主要功能

• 长程生活轨迹模拟：基于真实出行数据生成连贯的用户生活事件序列，涵盖时间、地点、天气等外部环境约束。
• 多轮交互行为模拟：模拟用户与AI助手的自然对话，支持记忆冲突检测、情绪推理和动态行为选择。
• 个性化能力评测：通过LifeSim-Eval基准测试模型识别显性/隐性意图、长期偏好重建与对齐能力。
• 隐私安全数据合成：支持生成百万级多样化用户画像，为个性化助手训练提供高质量合成数据。

LifeSim的技术原理

• 信念引擎：整合长期用户画像与短期情境认知（物理/心理/环境状态）。
• 愿望引擎：从需求库检索候选意图，结合用户信念与外部环境进行重排序。
• 事件引擎：基于逻辑函数控制事件触发概率，确保生活事件符合真实时空约束。
• 行为引擎：通过记忆感知（检测历史冲突）、情绪推理（GoEmotions分类）、行动选择三阶段生成用户响应。

如何使用LifeSim

• 在线 Demo 体验：
  • 访问官网：直接访问http://fudan-disc.com/lifesim/可使用可视化界面。
  • 预设演示：选择系统内置用户，在地图时间轴上点击任意生活节点，查看当时场景并与模拟用户对话。
  • 实时生成：自定义年龄、职业、人格特质等画像，观看 BDI 引擎实时生成生活事件并交互。
• 本地部署评测：
  • 环境准备：安装 Python 依赖，准备用户画像与生活事件数据。
  • 模型配置：接入用户模拟模型（如 Qwen3-32B）与被测助手模型（支持本地 vLLM 或 OpenAI/DeepSeek 等 API）。
  • 运行模拟：选择单场景（独立对话）或长程模式（带历史记忆的多轮交互），系统将自动生成对话日志。
  • 自动评分：使用 LLM-as-Judge 对意图识别、隐性需求满足、画像对齐等 7 个维度自动打分。

LifeSim的关键信息和使用要求

• 定位：首个长程用户生活模拟器，用于评测个性化 AI 助手在真实动态场景中的能力。
• 技术核心：基于 BDI 认知模型（信念-愿望-意图），融合外部环境（时间/地点/天气）与内部认知状态（人格/偏好/记忆）生成用户行为。
• 数据规模：百万级用户画像池、3,374 条真实轨迹、1,200 个评测场景（覆盖 8 大生活领域）。
• 评测重点：区分显性意图（直接需求）与隐性意图（需结合画像与场景推断），支持长程对话（最长 16K tokens 历史上下文）：
• 所属机构：复旦大学数据科学与上海创智学院联合研发。

LifeSim的核心优势

• 填补真实场景鸿沟：突破现有静态、短上下文评测局限，首次实现跨天/周级的长程生活轨迹模拟，让 AI 助手评测真正贴近”贾维斯”式连续服务场景。
• BDI 认知架构深度建模：不同于简单角色扮演，基于信念-愿望-意图心理学模型，系统模拟用户”如何想”（认知状态），生成具备一致人格的合理行为链。
• 显隐性意图双重考验：通过隐性意图（需结合天气、地点、历史偏好推断）暴露当前 LLM 在长期用户理解上的 20+ 分性能缺口。
• 物理-认知双环境融合：独特地将真实地理轨迹（3,374 条）、时间天气等物理约束，与动态心理情绪、记忆遗忘等认知机制结合，生成事件具备现实合理性。

LifeSim的项目地址

• GitHub仓库：https://github.com/dfy37/lifesim
• arXiv技术论文：https://arxiv.org/pdf/2603.12152
• 在线体验Demo：http://fudan-disc.com/lifesim/