Socio-Foundation：通过分层能力蒸馏实现个人行为模拟

模拟个人行为需要大型语言模型（LLM）来保留角色特征，同时适应动态的社会环境。然而，通用的LLM通常会扁平化不同的角色，而特定于任务的调整则受到碎片化和泛化的困扰。为了克服这些挑战，我们将个体模拟组织到\textbf{FONTS分类}中，包括五个互补的能力维度：\emph{人物保真度} (\textbf{F})、\emph{结果实现} (\textbf{O})、\emph{行为自然性} (\textbf{N})、\emph{轨迹连贯性} (\textbf{T}) 和 \emph{社交Grounding} (\textbf{S})。基于这种分类法，我们策划了一个标准化训练语料库，其中包含 14 个代表性数据集的约 1000 万个实例，并提出了 \textbf{Socio-Foundation}。 Socio-Foundation 通过三阶段管道将专业化与集成解耦：通过 DAPO 学习任务专家，通过离策略蒸馏将其整合为能力专家，并通过多教师在策略蒸馏 (MOPD) 将其统一。我们还建立了 \textbf{IndiEval}，整合了 FONTS 维度的 29 个指标。实验表明，Socio-Foundation 的性能比 \textit{Qwen3-8B} 基础高出 11.0 个点，并且接近 \textit{GLM-5.2} 等前沿模型，消融和分布外评估进一步证明了我们模型的有效性和泛化性。