港大罗晔教授团队推出面向家庭场景仿真的大模型,推理速度达到 3.7 万 token/s,能够承载千万级规模的家庭并行仿真任务,在场景仿真的指标上,整体准确率超过硅谷 Jev 模型。很多家庭数字仿真任务的难点,是仿真主体数量大、状态变量多,不仅要求模型生成速度快,还要保证每个家庭的行为逻辑、时序变化符合真实规律;之前不少方案要么速度上不去,只能做小规模仿真,要么扩规模之后准确率明显下滑。这个模型的核心思路,是针对家庭仿真做专项优化,不是通用大模型直接硬跑,通过状态分组、稀疏注意力、仿真变量解耦等方式,在高吞吐的同时守住仿真精度,适合城市居民行为模拟、能源负荷仿真、社区需求推演这类研究和工程场景。
一、模型核心指标一览
| 项目 | 参数详情 |
|---|---|
| 研发团队 | 香港大学罗晔教授团队 |
| 推理吞吐 | 3.7 万 token/s |
| 支撑规模 | 千万级家庭并行仿真 |
| 对标基线 | 硅谷 Jev 模型 |
| 核心优势 | 高吞吐下仿真准确率更高 |
| 主攻场景 | 家庭 / 居民行为时序仿真、社区能源、城市需求推演 |
二、港大罗晔团队仿真模型 vs 硅谷 Jev 模型对比表
| 对比项 | 港大罗晔团队仿真模型 | 硅谷 Jev 模型 |
|---|---|---|
| 吞吐能力 | 3.7 万 token/s,支持千万级家庭仿真 | 吞吐更低,更适合中小规模仿真实验 |
| 仿真准确率 | 家庭时序行为、状态推演准确率更高 | 中小场景表现稳定,扩量后精度衰减明显 |
| 优化方向 | 面向大规模家庭群体仿真做专项架构改造 | 偏向通用时序仿真,适配场景更广 |
| 资源开销 | 同等仿真规模下单位样本算力消耗更低 | 规模放大后算力开销上涨更快 |
| 适用偏好 | 千万级批量、城市级居民仿真 | 科研小规模对照、多样化时序仿真任务 |
三、千万级家庭仿真的标准执行流程
- 导入基础配置:家庭属性、人口结构、设备配置、作息基线、环境参数
- 模型做分组分片,把千万级家庭拆成可并行的仿真单元,降低单轮计算压力
- 以 3.7 万 token/s 的吞吐批量生成每个家庭的时序行为、用电、活动状态
- 内置校验模块,检查行为逻辑是否合理,剔除明显异常的仿真样本
- 输出结构化仿真结果,包含时序曲线、统计汇总、异常样本清单
- 对接下游分析工具,做负荷预测、需求评估、策略模拟
- 可调整干预参数,重复仿真,对比不同政策带来的群体变化
四、方案优势与落地限制
✅ 优势
- 高吞吐,3.7 万 token/s 可以在短时间跑完千万家庭长时序仿真,大幅缩短实验周期
- 针对家庭行为做专项调优,在该细分场景准确率超过硅谷 Jev 模型
- 分片并行架构,横向扩展能力强,适配城市级大规模仿真需求
- 输出结构化数据,方便直接对接能源、城市规划的下游系统
- 优势集中在家庭仿真细分赛道,通用时序任务不一定优于 Jev 模型
- 大规模仿真依然需要充足算力集群,单机很难跑满千万级任务
- 仿真结果是统计推演,和真实家庭行为存在天然偏差,不能直接当成真实数据
❌ 限制
五、典型落地场景
- 城市居民用电 / 用气负荷仿真与预测
- 社区新能源、储能调度策略模拟
- 居民作息、出行行为群体推演
- 公共资源、配套设施需求测算
- 政策干预效果仿真对照实验
【常见问题】
问题 1:港大罗晔教授团 3.7 万 token/s 实现千万级家庭仿真,准确率超越硅谷 Jev 模型,是不是这个模型所有时序任务都更强?
回答 1:港大罗晔教授团 3.7 万 token/s 实现千万级家庭仿真,准确率超越硅谷 Jev 模型,这个领先结论限定在家庭仿真细分场景,在其他通用时序仿真任务上,不一定优于硅谷 Jev 模型。
问题 2:3.7 万 token/s 的吞吐,跑千万级家庭仿真,意味着单机就能部署吗?
回答 2:港大罗晔教授团 3.7 万 token/s 实现千万级家庭仿真,3.7 万 token/s 是模型吞吐指标,千万级家庭仿真数据量巨大,一般需要多卡集群并行,单机很难完整承载。
问题 3:港大罗晔教授团队这个家庭仿真模型,仿真结果可以直接用来做工程决策吗?
回答 3:港大罗晔教授团 3.7 万 token/s 实现千万级家庭仿真,仿真结果属于概率推演,存在和真实世界的误差,适合作为参考,不能直接单独作为工程决策依据,需要结合实测数据校准。
【数据来源】
[2026-11-06](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)机器之心
[2026-11-04](港大罗晔团队大规模居民行为仿真论文预印本)arXiv
[2026-11-02](Jev 模型原项目介绍与时序仿真基线)Hugging Face
【免责声明】
本文为学术资讯整理,不构成项目采购、方案替换建议;准确率、吞吐指标为论文实验条件下的测试结果,会随算力配置、数据集、仿真参数发生变化;仿真输出仅为推演参考,不保证和真实情况一致。
