Behavioral（行为）在人工智能语境中，指模型或智能体在特定任务与环境中所表现出的可观测动作模式与决策倾向，它正从过去偏重静态能力评测的辅助指标，转变为衡量 LLM 智能体可靠性、可审计性与安全性的核心对象。围绕这一概念，近期研究集中在行为水印、行为建模审计、长程行为状态修复以及大规模行为数据采集四条路径，试图回答同一个问题：当 AI 从“说什么”走向“做什么”，我们如何看见、验证并约束它的行为。
Behavioral 近期进展
当前焦点与观察点
Behavioral 研究的焦点正从“能否识别行为”转向“能否跨改写、跨时间稳定地约束行为”。水印与审计两条线偏安全与可解释，记忆修复偏工程可靠性，数据集偏基础设施，四者尚未形成统一评测标准。值得观察的是：行为水印在真实多轮交互中的鲁棒性、审计方法能否推广到开放社会模拟，以及行为数据规模扩大后，是否会催生更接近“行为基础模型”的路线。