Newest papers

Towards User Simulators That Stay On Task And Still Sound Natural

Mustafa Omer Gul, Philippe Laban, Tanya Goyal, Jennifer Neville · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.31512 · cited by 0 works (OpenAlex) · open-access PDF

Russian

Пользователи все чаще полагаются на системы ИИ для расширенных, многоразовых задач, однако доказательства показывают, что производительность системы на основе LLM ухудшается при длительном взаимодействии. Чтобы оценить и улучшить ассистентов ИИ в таких настройках, нам нужны пользовательские симуляторы, которые верно следят за сложными намерениями пользователей, демонстрируя реалистичное разговорное поведение. Существующие подходы проявляют компромисс: запрошенные помощники могут следовать за сложными намерениями пользователей, но не имеют поведенческой верности, в то время как специализированные пользовательские симуляторы лучше приближают разговорное поведение, но борются, чтобы оставаться верными сложным намерениям. В этой статье мы предлагаем рецепт усиления обучения (RL), который совместно вознагра

Machine translation (Meta M2M100); the English original follows.

Abstract

Users increasingly rely on AI systems for extended, multi-turn tasks, yet evidence indicates that LLM-based system performance degrades over prolonged interaction. To evaluate and improve AI assistants in such settings, we need user simulators that faithfully follow complex user intents while exhibiting realistic conversational behavior. Existing approaches manifest a trade-off: prompted assistants can follow complex user intents but lack behavioral fidelity, while specialized user simulators better approximate conversational behavior but struggle to remain faithful to complex intents. In this paper, we propose a reinforcement learning (RL) recipe that jointly rewards task intent adherence and behavioral naturalness. A crucial contribution of the method is operationalizing naturalness with a lightweight discriminator trained in an alternating, adversarial loop with the user simulator. We release the resulting model, UserLM-2.0, which produces valid simulated conversations (i.e., meeting both task-faithfulness and naturalness criteria) 46.2% of the time, over three times the rate of the strongest prior user simulator (14.1%).

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Naturalness, Computer science, Human–computer interaction, Task (project management), Operationalization, User modeling

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange