💬 观点Latent Space
Simulation: the new Scaling Law — Joon Sung Park, — Simile AI 用模拟人类行为做数字孪生,85% 准确率,或成新 scali
Simile AI 用模拟人类行为做数字孪生,85% 准确率,或成新 scaling law。
2026-08-21原文
本文为要点摘要,完整细节以原文为准。
🧭 一图看懂
由原文自动提炼 · 以原文为准点击任一分支,查看这一点的一句话解读
Simulation 成为新 Scaling Law
Joon Sung Park 创立 Simile,用模拟人类行为构建数字孪生
- 完成 2B 美元 B 轮,GreenOaks、Index…
- Fei-Fei Li、Andrej Karpathy 为知名支持者
- 为 CVS 等财富 100 客户运行数千万次模拟
⚙️ 流程拆解
STEP 1长访谈与观察数据采集
STEP 2随机对照试验后训练
STEP 3构建个体与人口级模型
STEP 4生成数字孪生与合成人群
STEP 5评估行为准确率
STEP 6模拟社会涌现行为
🔗 涉及的概念与玩家
- Simile AI公司
- Joon Sung Park人物
- Generative Agents概念
- Smallville概念
- Fei-Fei Li人物
- Andrej Karpathy人物
- CVS公司
- 数字孪生概念
- Joon Sung Park—创立→Simile AI
- Joon Sung Park—主导研究→Generative Agents
- Generative Agents—产出→Smallville
- Simile AI—构建→数字孪生
- Fei-Fei Li—支持→Simile AI
- Andrej Karpathy—支持→Simile AI
- Simile AI 通过长访谈、交易和观察数据构建数字孪生,复现人类行为与态度达 85% 准确率,用于 CVS 等客户的市场研究。对 agent 开发者而言,这提示了超越文本数据、融合多模态行为数据来建模用户的重要性。
- 文章指出,为理性优化的模型难以模拟非理性人类,需通过后训练(如随机对照试验数据)而非单纯提示来调整权重。这意味着构建真实用户模型时,需关注认知偏差和错误,而非追求完美理性。
- 模拟的更大愿景是测试产品与政策、探索反直觉路径,甚至模拟 80 亿人,但需数据中心级算力。对工具链而言,这预示了多智能体模拟和规模化行为建模将成为新方向,可能催生新的评估与基础设施需求。
原文:Simulation: the new Scaling Law — Joon Sung Park, Simile AI · 作者 Latent Space
🕸 顺着图谱继续读
- The State of Simulation for Physical AI: An Overview — NVIDIA 综述物理 AI 仿真现状,强调合成数据与数字孪生对机器人训练的关键2026-07-21 · 共同涉及 数字孪生
- Dreaming · OpenClaw — 背景记忆巩固系统,将短期信号自动提升为持久记忆。2026-07-13 · 共同涉及 Generative Agents
- [AINews] 10% worse, 100x cheaper, 10000x faster: Why — 模拟正在接管AI:从奖励信号到物理世界,每个环节正被模型替代。2026-08-22 · 共同涉及 Andrej Karpathy
- Inside the Model Factory — Eiso Kant, Poolside AI — Poolside 的 Model Factory 如何用工程化将模型迭代周期压缩2026-07-23 · 共同涉及 Andrej Karpathy