LiveSim：在多智能体直播生态中模拟被环境塑造的用户

使用大语言模型（LLM）模拟用户行为正被越来越多地用于支持多智能体生态系统仿真。现有模拟器通常依赖从历史观察推断的静态用户画像，这在直播等社交高密度环境中不再够用，因为互动动态会持续重塑用户行为。我们提出LiveSim，一个基于LLM的直播生态仿真框架。它将用户表示为可编辑的行为假设，并通过基于轨迹的交互逐步修正，模拟轨迹与观察轨迹之间的差异揭示了缺失的环境塑造效应。这些信号进一步被提取为可迁移的环境-行为模式，并累积到集体行为记忆中，以提升用户层面的行为保真度并支持生态层面的仿真。在真实直播风控数据上的实验验证了LiveSim在提升用户层面行为保真度方面的有效性，并支持对风险演化和平台干预效果的生态层面分析。