提出MIMESIS用户模拟器

Hoang Phan等人基于论文摘要提出并训练9B参数的用户模拟器MIMESIS，用人类对话、显式推理监督和13种真实行为模式模拟用户；其在SOUL-Index上得分65.7，较Claude-Opus-5的行为保真度提高13.4分、Turing距离降低3.6分。 摘要称，冻结MIMESIS后进行多轮强化学习，所得智能体在8个环境中的表现均优于使用GPT-5.5训练的智能体，并在9个未见用户模拟器上保持更强泛化；研究还称CSD可将反馈转化为超出稀疏任务奖励的逐token监督，进一步提升9个评估用户模型下的表现。上述结果目前仅依据论文摘要。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。