3.7万token/s实现千万级家庭仿真,准确率超越硅谷Jev模型,港大罗晔教授团队发布YN决策模型

2026.11.06 · 收录日 2026.11.06 · 事件 · 新模型 · 论文预印本

港大S²-MAS用14张GPU、4小时完成1200万户家庭社会仿真,并开源YN决策模型家族。

香港大学罗晔教授团队发布S²-MAS社会仿真框架,包含5亿份家庭画像库、YN-mini决策模型家族与Genese仿真引擎,把家庭规模扩展到1200万户,成本仅14张GPU、4小时。主力模型YN-mini约4.21亿参数,在24万道消费者金融选择题上取得参评模型最高准确率74.55%。

  • S²-MAS由5亿份36维家庭画像库、YN-mini决策模型家族与Genese仿真引擎三部分构成。
  • 仿真扩展到1200万户家庭,成本为14张GPU、4小时,单卡服务器可开展百万级Agent模拟。
  • YN-mini基于Laya决策架构,约4.21亿参数,采用预训练主干加决策头,不再逐token自回归生成。
  • 在240,458道留出消费金融选择题上,YN-mini准确率74.55%,高于Jev 1.13和GLM-5.3-Flash。
  • 团队开源421M、322M、4B、9B四个参数规格的YN决策模型家族及训练评测代码。

为什么值得看

大规模社会仿真成本大幅下降,决策模型路线值得关注。

适合谁关注

社会仿真、计算社会科学与金融决策研究者。

原始来源

查看收录日 2026.11.06 全部卡片 · 全部卡片归档