تتسم سلوكيات البشر اليومية بالتعقيد، حيث تتشابك النوايا والتفضيلات والسياقات لتشكل تسلسلات سلوكية فريدة. يعد فهم هذه السلوكيات أمراً حيوياً لتطوير أنظمة ذكية مثل المساعدين الشخصيين ومحركات التوصية. لقد ساهمت التطورات الأخيرة في تعلم العمق ودراسات سلوكيات ما قبل التدريب في تحسين القدرة على التنبؤ بالسلوكيات، لكن لا تزال هناك تحديات كبيرة تحتاج إلى إيجاد حلول لها، مثل التعامل مع السلوكيات ذات التطول الطويل (long-tail behaviors) وتعزيز إمكانية التفسير، بالإضافة إلى دعم مهام متعددة ضمن إطار عمل موحد.

في هذا السياق، تبرز النماذج اللغوية الكبيرة (LLMs) كخيار واعد بفضل غناها الدلالي (semantic richness) وقدرتها الكبيرة على التفسير والإنتاج. ومع ذلك، يحد التباين الهيكلي والنماطي بين البيانات السلوكية واللغة الطبيعية من إمكانية تطبيق LLMs مباشرة في هذا المجال. لمواجهة هذه الفجوة، نقدم إطار عمل جديد يسمى توازن فهم السلوك (Behavior Understanding Alignment - BUA)، الذي يدمج LLMs في نمذجة سلوك البشر من خلال عملية تعليمية منظمة.

يعتمد إطار BUA على إنشاء تمثيلات تسلسلية من نماذج السلوك المدربة مسبقاً كنقاط توازن توجه LLMs خلال منهج تعليمي بثلاث مراحل، بينما يقدم إعداد حوار متعدد الجولات إمكانية التنبؤ والتوليد. أظهرت التجارب على مجموعتين بيانات حقيقية أن BUA يتفوق بشكل كبير على الأساليب الحالية في كلا المهمتين، مما يبرز فعاليته ومرونته في تطبيق LLMs على نمذجة السلوك البشري المعقد.