Large Behavior Model: modelo de lenguaje aprendió a predecir compras como gemelo digital

Los investigadores en julio de 2026 presentaron en arXiv Large Behavior Model (LBM) — un modelo de lenguaje entrenado directamente en datos de compras minoristas a gran escala y capaz de servir como un "gemelo digital que se puede usar" de un cliente, prediciendo sus decisiones de compra.

Cómo se estructura el modelo

LBM describe el comportamiento del cliente a través de una única formulación "Persona-Entorno" (Person-Environment): el estado del cliente se define por un perfil conductual construido en el historial de compras pasadas, y el contexto del producto se añade a través de la generación aumentada por recuperación (RAG) — el modelo "obtiene" información relevante del producto durante la generación en lugar de almacenarla completamente en sus pesos.

Este enfoque diferencia LBM de los sistemas de recomendación clásicos: en lugar de tratar a los clientes como un conjunto de características (edad, historial de pedidos, segmento), el modelo procesa el comportamiento como una secuencia de decisiones que se pueden describir en texto e interpretar de la misma manera que un modelo de lenguaje interpreta el diálogo.

El entrenamiento del modelo procede en tres etapas:

• Preentrenamiento continuado — fine-tuning de un modelo de lenguaje base en datos de compra conductual "verbalizados" (convertidos a formato de texto)
• Fine-tuning supervisado — ajuste preciso para generar decisiones de compra específicas
• Aprendizaje por refuerzo con recompensas verificables — se utiliza para calibrar el modelo basándose en datos reales en lugar de preferencias lingüísticas generales

En qué tareas se probó el modelo

Los autores probaron el modelo en un amplio conjunto de tareas típicas de retail en lugar de una única métrica estrecha, lo que permite evaluar su generalidad dentro del dominio. Los autores evaluaron LBM en cinco tipos de tareas: predicción de compra, discriminación de negativos duros (hard-negative discrimination), completación de canasta (basket completion), respuesta a ofertas promocionales e intercanje de vales entre diferentes dominios (cross-domain voucher redemption).

En todas estas tareas, LBM superó consistentemente a los modelos de lenguaje universales de nivel frontera, mientras demostraba un fuerte transferencia de conocimiento en modo zero-shot — es decir, sin fine-tuning adicional — y después de fine-tuning en nuevos minoristas y tipos de decisiones en los que el modelo no fue entrenado originalmente. Esto importa para la aplicación práctica: los minoristas no necesitan recopilar y etiquetar conjuntos de datos masivos desde cero para cada nueva tarea o red de tiendas.

Qué proporcionó el mayor efecto

Los experimentos de ablación mostraron que el preentrenamiento continuado — la etapa de fine-tuning en datos de compra "verbalizados" — es el controlador principal de la capacidad del modelo para generalizar el comportamiento a nuevas situaciones. La recuperación (obtener contexto del producto) resultó más efectiva cuando se aplicaba tanto en la etapa de entrenamiento como en la etapa de inferencia, en lugar de solo en una. Y el aprendizaje por refuerzo ayudó al modelo a depender más de evidencia conductual explícita de los datos en lugar de "suposiciones" lingüísticas generales heredadas del modelo de lenguaje original.

Qué significa esto

El trabajo demuestra que los datos de comportamiento de historiales transaccionales se pueden codificar efectivamente en un modelo de lenguaje y producir una base escalable para "gemelos digitales" de clientes — sistemas aplicables inmediatamente a múltiples tareas de analítica minorista: desde recomendaciones y marketing hasta simular reacciones de usuarios a ofertas promocionales sin la necesidad de realizar pruebas A/B costosas en clientes reales.

Particularmente valioso desde el punto de vista práctico es que el modelo se llama "que se puede usar" (promptable): un analista puede dirigirse al gemelo digital de un cliente en lenguaje natural y obtener una predicción o explicación de una decisión, en lugar de solo una puntuación de probabilidad numérica. Esto cierra la brecha entre el equipo de ciencia de datos que construye el modelo y los usuarios comerciales — especialistas en marketing y gerentes de categoría — que necesitan validar rápidamente hipótesis sobre el comportamiento del cliente sin escribir código analítico separado para cada pregunta.