特赞在WAIC发布主观世界模型：四层架构模拟消费者决策，行为准确率达85%

事件概述

在2026年世界人工智能大会（WAIC）上，特赞科技展示了其自主研发的主观世界模型（Subjective World Model，SWM），旨在解决大语言模型（LLM）在模拟人类决策上的根本性局限。该模型基于认知心理学中“自我报告偏好与真实决策权重存在系统性偏差”这一事实，采用四层异构数据协同训练架构，实现高精度消费者行为模拟。同时，特赞还推出了GEA（Generative Enterprise Agent）企业级智能体架构，构成从理解到执行的完整链路。

核心信息

SWM架构设计

SWM由四层组成，每层使用不同数据源和建模目标：

• 表达层（Expression Layer）：使用数十亿条社交平台原生语料，构建语言风格向量与用户画像的高维映射，输出persona anchor。
• 叙事层（Story Layer）：基于数万小时一对一深度访谈语料，建模行为动机的时序因果图。该层具备抗合成数据机制——真实受访者的因果一致性无法被LLM生成的模拟数据复现。
• 认知层（Cognition Layer）：使用标准化量表（如Schwartz Value Survey、Big Five Inventory等），建模个体价值权重向量和风险偏好系数，校正stated preference与revealed preference之间的偏差。
• 行为层（Behavior Layer）：利用经济博弈实验数据和真实交易记录，基于prospect theory估计损失厌恶系数、时间贴现率、社会规范敏感度等参数，支持跨情境行为外推。

四层训练完成后，对每个目标persona维护联合状态，推理时联合打分，输出具备跨prompt一致内在状态的AI Persona。

关键成果

• 行为模拟准确率：达到85%（对比真人深访基准）。
• AI Persona规模：30万+ AI Persona（通过社交数据扩散），其中1万+高精度AI Persona（由深访语料直接训练）。
• 交付时间：不到30分钟。

竞争壁垒

SWM的竞争壁垒主要来自叙事层的数据积累：特赞十年间积累的真实深访语料，以及内置的抗合成机制。后发竞争者若无法通过合成数据绕过交叉验证失败，就必须从零开始积累真实深访数据，无法通过算力缩短差距。

GEA企业级智能体架构

GEA由特赞自研的发散推理模型（Creative Reasoning Model） 驱动（该模型已在中国备案），执行层调用400+模块化Agent Skill，单次任务可协调30+基础模型。Context System将品牌DNA、历史洞察等结构化知识持久化存储。目前已在内容营销、洞察研究、产品创新等场景部署，月均Token部署量超100亿，覆盖50+国家和地区。