跳到正文
Hugging Face Daily Papers·· 28 天前AI 评分73

UserArena:用于长周期购物智能体的交互式用户模拟基准

UserArena: Benchmarking Interactive User Simulation for Long-Horizon Shopping Agents

AI 导读

论文介绍 UserArena 基准,包含来自 1.1 万用户的 6.47 万条会话轨迹,覆盖 56.6 万商品与 13 种动作类型。该基准配备交互式环境并支持基于生产 A/B 测试结果的离线验证,可实现从输出有效性到最终结果的五级评估。作者还提出了 On-Policy Trajectory Distillation 方法以提升长周期交互的仿真保真度,实验表明其在复现生产策略效果方面表现最佳。

来源:Hugging Face Daily Papers · arxiv.org