arXiv cs.CL· Mustafa Omer Gul, Philippe Laban, Tanya Goyal, Jennifer Neville·· 12 小时前AI 评分31
UserLM-2.0：兼顾任务遵循与对话自然度的用户模拟器
Towards User Simulators That Stay On Task And Still Sound Natural
AI 导读
研究者提出一种强化学习方案，同时奖励任务意图遵循与行为自然度，并用轻量判别器与用户模拟器交替对抗训练来量化自然度，据此发布 UserLM-2.0。该模型生成同时满足任务忠实与自然度标准的有效模拟对话比例为 46.2%，是最强先前用户模拟器（14.1%）的三倍以上。
正文 · AI 翻译
摘要：用户越来越多地依赖 AI 系统来完成长时间、多轮的任务，但有证据表明，基于 LLM 的系统性能会在长时间交互中下降。为了在此类场景中评估和改进 AI 助手，我们需要能够忠实遵循复杂用户意图、同时表现出真实对话行为的用户模拟器。现有方法呈现出一种权衡：提示式助手能够遵循复杂的用户意图，但缺乏行为保真度；而专用用户模拟器能更好地近似对话行为，却难以忠实于复杂意图。本文提出一种强化学习（RL）方案，同时奖励任务意图遵循度和行为自然度。该方法的一项关键贡献是，通过与用户模拟器交替进行的对抗循环训练一个轻量级判别器，将自然度操作化。我们发布了所得模型 UserLM-2.0，其产生有效模拟对话（即同时满足任务忠实度和自然度标准）的比例为 46.2%，是最强先前用户模拟器（14.1%）的三倍多。
| 评论： | 30 页，16 幅图，6 张表。投稿中 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.31512 [cs.CL] |
| （或 arXiv:2610.31512v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31512 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mustafa Omer Gul [查看电子邮件]
[v1]
2026 年 10 月 22 日星期四 16:26:48 UTC（935 KB）
来源：arXiv cs.CL · arxiv.org