用户行为模拟越来越多地借助大语言模型（LLM）来支撑多代理生态系统的仿真。传统模拟器依赖于从历史观测中推断的静态用户画像，这在互动频繁、环境持续影响用户行为的直播场景中表现不足。为此我们提出 LiveSim，一个基于 LLM 的直播生态系统仿真框架。它将用户表示为可编辑的行为假设，并通过轨迹驱动的交互逐步细化这些假设。具体做法是比较模拟轨迹与真实观测轨迹的差异，差异揭示了缺失的环境形塑效应。随后将这些信号提取为可迁移的环境‑行为模式，累计到集体行为记忆中，以提升单用户行为的逼真度并支持全生态系统的仿真。我们在真实的直播风险控制数据上进行实验，验证了 LiveSim 在提升用户行为逼真度以及进行风险演化和平台干预效果的生态层面分析方面的有效性。
博主点评：LiveSim 通过动态修正用户行为假设，显著提升了模拟的真实性，为平台风险管理提供了可操作的洞察。