BehaviorFormer用可聚类预测发现23种行为模式

Tobias Schneider等作者提交论文预印本，提出 BehaviorFormer：把下一 token 预测 Transformer 与深度聚类算法 DCSS 结合，学习聚类分离良好的表征，用于发现玩家行为模式。 在一场 26 名玩家参与的受控 Minecraft 会话中，该方法发现 23 种可跨受试玩家泛化的行为模式，并归为 stationary、roaming、travel、mining、base work、logging、farming 七类。作者称，该方法把自监督表征中已有的结构进一步细化为清晰可分的聚类。 论文已被 IEEE Conference on Games 2026 接收，上述发现仅限该受控会话与这 26 名玩家。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。