Mirror Particle：打造人类行为预测的”世界模型
人类行为预测赛道火热，初创企业竞相入局
过去一年，承诺预测人类行为的初创企业正在吸引大量资本目光。Synthetic User领域的明星企业Simile完成了2亿美元融资，估值达到20亿美元；Aaru也成功筹集了8800万美元，估值突破10亿美元大关；而由Anthropic、xAI、Google等科技巨头前员工创办的AI公司Humans&，更是在今年一月宣布完成了4.8亿美元的种子轮融资，估值高达44.8亿美元，并推出了名为Persimmon的行为建模平台。
传统LLM方法存在根本缺陷
目前，基于大语言模型（LLM）进行人类行为预测的方法依赖于提示词工程或微调，让模型扮演特定目标人群的代行者。然而，成立两年的旧金山公司Mirror Particle认为这种方法存在本质问题。
“用高压水枪对抗尼亚加拉瀑布”
Mirror Particle联合创始人兼首席执行官Abhivyakti Ahuja用了一个形象的比喻：”这就像拿着高压水枪去对抗尼亚加拉瀑布。”她解释道，LLM在海量数据上训练而成，仅凭少量微调数据能对它产生多大的影响？它的认知始终停留在过去。
Ahuja进一步指出，LLM对世界的认知方式与人类截然不同。”LLM是在建模书面语言，但人类是由视觉感知、空间推理和社会智能构成的。”依赖它们获得的洞察，往往捕捉的是人类不会注意到的东西，这与预测人类行为的初衷背道而驰。
从零构建真正的人类世界模型
Mirror Particle选择了另一条路径：从头构建一个基础模型，或者说是”世界模型”，用于模拟人类行为的原因以及人类行为如何随时间演变。
“我们不想捕捉静态的人，”Ahuja表示，”我们想捕捉不断变化的人。这意味着要获取纵向数据，追踪人们如何改变、什么触发了改变、改变的程度如何。如果没有变化，这本身也是一种信号。”
核心技术：从数据到行为洞察
该公司已经完成了天使轮融资，并表示即将完成首轮风险投资。Mirror Particle还将参加下周在旧金山举办的TechCrunch Disrupt 2026活动中的Startup Battlefield 200创业大赛。
- 依赖专有数据组合，包括客户数据、当前事件、流行文化、社交媒体等
- 将人口统计群体视为随时间演变的系统
- 重点追踪”已揭示的行为”——人们实际做了什么，而非问卷调查中的自我报告
从市场研究到个性化推荐的商业落地
与竞争对手类似，Mirror Particle的初期市场策略聚焦于已有预算的市场研究和品牌产品策略领域。
案例一：美妆品牌的战略调整
以某美妆品牌为例，Mirror Particle不仅帮助其撰写更吸引Z世代的广告文案，更重要的是判断该人群是否真的需要这类产品。
“如果目标人群根本不想要眼影盘呢？”Ahuja提出了一个关键问题，”也许腮红才是切入这个市场的更好选择。”
案例二：宠物食品包装的深刻洞察
在某早期试点项目中，一家知名宠物食品品牌想知道包装上应该印鸡肉、牛肉还是蔬菜图案来提升销量。Mirror Particle的技术发现，这家公司问错了问题——图案根本不是关键因素。
真正的问题是：该品牌过于知名，被大众视为平价产品，销量已经达到了天花板。除非解决这种”廉价”认知问题，否则销售无法增长。
从婴儿学习过程汲取灵感
“我们看待模型发展的方式是，就像婴儿学习认识世界，”Ahuja说道，”婴儿的发展路径是从视觉感知，到语言，再到身体意识，最后发展社会智能。”
团队背景
Ahuja对建模人类大脑的浓厚兴趣源于她的学术背景——神经科学与计算机科学。来自印度的她就读于多伦多大学，在那里受到AI先驱Geoffrey Hinton在神经网络领域贡献的启发。
毕业后，Ahuja进入亚马逊机器人部门，参与研发”制造机器人的机器人”。正是在那里，她结识了两位联合创始人Will Song和Thomson Yen。Song在销售个性化引擎领域有着深厚积累，而Yen则专注于利用深度学习让AI智能体理解人类行为。
愿景：构建人类行为预测的通用层
Mirror Particle的长期愿景是成为”预测人类行为的通用层”，从大范围的人群分析逐步深入到个体层面的洞察。
“如果我们要与AI协同工作，也要彼此更好地协作，我们就需要一个更好的人类模型，”Ahuja总结道。
关注微信号：智享开源 ，及时了解更新信息。
原文链接：https://techcrunch.com/2026/10/06/mirror-particle-is-building-a-world-model-of-human-behavior/
公众号：智享开源
还没有任何评论，你来说两句吧！