Large Behavior Model: A Promptable Digital Twin of the Retail Customer

• 类型：arxiv
• 标识：2607.06993
• 链接：http://arxiv.org/abs/2607.06993v1
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：The results demonstrate that behavioral knowledge encoded in transaction histories can be effectively learned by language models, providing a scalable foundation for customer digital twins and behavior simulation.
• OpenAlex ID：W7167804759
• OpenAlex DOI：10.48550/arxiv.2607.06993
• DOI：10.48550/arxiv.2607.06993
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.06993
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：Large Behavior Model：零售客户的可提示数字孪生
• TLDR中文：结果表明，交易历史中编码的行为知识可以被语言模型有效学习，为客户数字孪生和行为模拟提供了可扩展的基础。
• 来源文件：
• /inbox/tom/_candidates/2026-07-09-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]