Fugu-MT 論文翻訳(概要): UXSim: Towards a Hybrid User Search Simulation

論文の概要: UXSim: Towards a Hybrid User Search Simulation

arxiv url: http://arxiv.org/abs/2602.24241v1
Date: Fri, 27 Feb 2026 18:14:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-02 19:48:24.555868
Title: UXSim: Towards a Hybrid User Search Simulation
Title（参考訳）: UXSim: ハイブリッドユーザ検索シミュレーションを目指して
Authors: Saber Zerhoudi, Michael Granitzer,
Abstract要約: 人間のコンピュータ相互作用に固有の真のダイナミズムとパーソナライゼーションは、より統合されたアプローチを要求する。この作業では、両方のアプローチを統合する新しいフレームワークであるUXSimを紹介します。
参考スコア（独自算出の注目度）: 2.50369129460887
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Simulating nuanced user experiences within complex interactive search systems poses distinct challenge for traditional methodologies, which often rely on static user proxies or, more recently, on standalone large language model (LLM) agents that may lack deep, verifiable grounding. The true dynamism and personalization inherent in human-computer interaction demand a more integrated approach. This work introduces UXSim, a novel framework that integrates both approaches. It leverages grounded data from traditional simulators to inform and constrain the reasoning of an adaptive LLM agent. This synthesis enables more accurate and dynamic simulations of user behavior while also providing a pathway for the explainable validation of the underlying cognitive processes.
Abstract（参考訳）: 複雑な対話型検索システムにおけるニュアンスなユーザエクスペリエンスのシミュレーションは、静的なユーザプロキシに依存する従来の方法論や、より最近では、深く検証可能な基盤を欠く可能性のあるスタンドアロンの大規模言語モデル(LLM)エージェントに、明確な課題をもたらす。人間のコンピュータ相互作用に固有の真のダイナミズムとパーソナライゼーションは、より統合されたアプローチを要求する。この作業では、両方のアプローチを統合する新しいフレームワークであるUXSimを紹介します。従来のシミュレータの接地データを利用して、適応的なLLMエージェントの推論を通知し、制約する。この合成により、ユーザの振る舞いをより正確に動的にシミュレーションし、基礎となる認知プロセスの説明可能な検証経路を提供する。

関連論文リスト

Individual Turing Test: A Case Study of LLM-based Simulation Using Longitudinal Personal Data [54.145424717168794]
大きな言語モデル(LLM)は、目覚ましい人間のような能力を示しているが、特定の個人を複製する能力は未発見のままである。本稿では,10年以上にわたるプライベートメッセージ履歴のボランティア配信アーカイブを用いて,LSMに基づく個人シミュレーションのケーススタディを提案する。本研究は,ボランティアの知人が,最も有望な多候補プール内の応答を正確に識別できるかどうかを評価するための「個別チューリングテスト」を提案する。
論文参考訳（メタデータ） (2026-03-01T21:46:27Z)
TongSIM: A General Platform for Simulating Intelligent Machines [59.27575233453533]
エボディード・インテリジェンス(Embodied Intelligence)は、現実的なシミュレートされた環境における訓練エージェントに焦点を当てる。 TongSIMは、エンボディエージェントのトレーニングと評価のための高忠実で汎用的なプラットフォームである。
論文参考訳（メタデータ） (2025-12-23T10:00:43Z)
See, Think, Act: Online Shopper Behavior Simulation with VLM Agents [58.92444959954643]
本稿では,視覚情報,特にWebページスクリーンショットのVLMによる動作シミュレーションへの統合について検討する。我々は,協調行動予測と合理化生成にSFTを用いて,相互作用の完全な文脈を条件づける。推論能力をさらに強化するため,RLを階層的な報酬構造と統合し,難易度因子によって拡張する。
論文参考訳（メタデータ） (2025-10-22T05:07:14Z)
Integrating LLM and Diffusion-Based Agents for Social Simulation [28.21329943306884]
本稿では,大規模言語モデルに基づくエージェントと拡散モデルに基づくエージェントを戦略的に統合するハイブリッドシミュレーションフレームワークを提案する。本フレームワークは,既存手法の予測精度を向上し,モジュール設計の有効性を検証した。
論文参考訳（メタデータ） (2025-10-18T06:23:22Z)
Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。 ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
論文参考訳（メタデータ） (2025-10-11T18:11:09Z)
Beyond Static Testbeds: An Interaction-Centric Agent Simulation Platform for Dynamic Recommender Systems [37.15496324034216]
RecInterは、リコメンダシステムのための新しいエージェントベースのシミュレーションプラットフォームである。 RecInterでは、ユーザーアクション(例えば、レビュー、購入など)をリアルタイムで動的に更新する。 Merchant Agentsは、より現実的で進化したエコシステムを育むことができる。
論文参考訳（メタデータ） (2025-05-22T09:14:23Z)
Simulation Agent: A Framework for Integrating Simulation and Large Language Models for Enhanced Decision-Making [0.7499722271664147]
大規模言語モデル(LLM)は直感的で言語ベースの相互作用を提供するが、複雑な実世界の力学を確実にモデル化するために必要な構造的、因果的理解が欠如している。シミュレーションモデルとLLMの長所を統合する新しい手法であるシミュレーションエージェントフレームワークを導入する。
論文参考訳（メタデータ） (2025-05-19T22:27:18Z)
GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
論文参考訳（メタデータ） (2024-10-06T05:02:23Z)
USimAgent: Large Language Models for Simulating Search Users [33.17004578463697]
本稿では,大規模言語モデルに基づくユーザ検索行動シミュレータUSimAgentを紹介する。シミュレータは、検索中のユーザのクエリ、クリック、動作の停止をシミュレートすることができる。実ユーザ行動データセットに関する実証調査では、シミュレータがクエリ生成において既存のメソッドよりも優れていることが示された。
論文参考訳（メタデータ） (2024-03-14T07:40:54Z)
User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文参考訳（メタデータ） (2023-06-05T02:58:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。