כתבה
arXiv cs.AI ·
MIMESIS: יצירת מחשבים של משתמשים כסביבות אימון לאגנטים אינטראקטיביים
MIMESIS: Learning User Simulators as Training Environments for Interactive Agents
MIMESIS - יצירת מחשבים של משתמשים כסביבות אימון לאגנטים אינטראקטיביים. מודל 9B של MIMESIS עוקב אחר 13 מודלי התנהגות ריאליסטיים של משתמשים. המחברים הציגו גם את Coached On-Policy Self-Distillation (CSD), שמשתמש במחשבים של משתמשים כדי ללמד אגנטים להתאים את עצמם לצרכים של המשתמש.
תקציר מקורי באנגליתarXiv:2610.09484v2 Announce Type: replace Abstract: Training and evaluating interactive language agents typically requires rich user interactions, yet collecting human feedback is expensive and difficult to scale. Simulated users offer a scalable alternative, but they must both resemble real user behavior and provide useful learning experiences for agents. In contrast, most agent-training frameworks rely on off-the-shelf assistant LLMs, whose helpfulness can make them overly cooperative, explicit, and behaviorally homogeneous compared with real users. We introduce MIMESIS, a purpose-built user simulator trained on human conversations with explicit reasoning supervision and 13 realistic behavioral patterns derived from real user interactions. Empirically, our 9B model achieves a SOUL-Index
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית