SIMLife 是一个可扩展的家庭生活模拟平台，提供丰富的视觉观测、真实的动作日志以及带音频的合成对话。基于此平台，SimLife‑BP 基准用于评估长期上下文模式理解能力，即从数周甚至数月的日常观察中推断潜在行为规则。基准包含 106 场剧集，平均时长 15.49 小时（约 38.57 游戏日），共计 1,439 对问答。每个任务分别考察直接推理、反事实推理、噪声推理和逆向推理，并在不同程度的规则提示下进行。实验表明，现有前沿模型往往只能实现表层预测，缺乏对规则的完整理解；它们倾向于基于出现频率的启发式，而非基于证据的 if‑then 推理；在行为模式变化时适应能力不足。由此可见，长期上下文模式理解仍是具身智能体的主要瓶颈。SimLife 为研究记忆、个性化、适应性以及长期规划提供了更广阔的实验空间。
点评：该工作揭示了当前模型在长期行为规则学习上的局限，为后续在记忆增强和因果推理方向的研究指明了路径。