OmniBehavior: 面向真实世界用户行为模拟的大规模多场景行为轨迹基准数据集

中科院计算技术研究所联合快手发布OmniBehavior数据集，涵盖快手平台90天跨场景用户行为轨迹，旨在评估大语言模型在长期、跨域、异构行为模拟任务上的能力，为研究社区提供重要资源。

随着大语言模型能力提升，其在用户行为建模的潜力受到关注，但现有基准存在局限：时间跨度有限（难以评估长期兴趣演变）、场景单一（缺乏跨场景关联）、行为类型同质化（无法反映真实复杂性）。OmniBehavior基于快手真实数据，填补这些空白。

• 长期观察窗口：覆盖2025年9月1日至11月30日共90天，支持追踪兴趣演变、识别行为模式变化等。
• 多场景覆盖：整合短视频浏览、直播互动、电商购物、广告互动、客服对话、搜索行为六大核心场景。
• 数据结构：以用户为中心，包含用户画像（基本特征）和行为历史（时序动作序列，含场景标识、时间戳、上下文等）。

• 长期兴趣建模：探索兴趣形成/转变、外部事件影响、长期动态兴趣模型构建。
• 跨域行为分析：研究不同场景关联（如视频观看与购物行为关系、直播互动与电商转化率相关性）。
• 用户行为模拟：提供真实轨迹作为ground truth，支持训练评估模拟Agent、测试模型预测表现等。

OmniBehavior已在GitHub开源，提供演示数据集demo.json（单用户部分数据）。完整数据集预计2026年5月发布，正在进行隐私合规审计，仅限学术研究使用。相关论文于2026年4月发布，阐述构建方法、评估指标及基准实验结果。

OmniBehavior定义了“真实世界行为模拟”研究范式，为LLM研究提出新挑战（把握长期模式、跨场景关联、意图演变），推动其在用户建模领域发展；同时为推荐系统提供长期效果评估依据，解决离线与在线效果不一致问题。

随着完整数据集发布，有望看到：更强大的行为预测模型、更逼真的虚拟用户模拟系统、跨场景统一推荐框架、隐私保护的行为建模技术。OmniBehavior或将成为该领域标准基准，推动学术与工业界突破。