論文の概要: A Survey on LLM-based Conversational User Simulation

• arxiv url: http://arxiv.org/abs/2604.24977v1
• Date: Mon, 27 Apr 2026 20:22:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.590357
• Title: A Survey on LLM-based Conversational User Simulation
• Title（参考訳）: LLMを用いた会話型ユーザシミュレーションに関する一検討
• Authors: Bo Ni, Leyao Wang, Yu Wang, Branislav Kveton, Franck Dernoncourt, Yu Xia, Hongjie Chen, Reuben Leura, Samyadeep Basu, Subhojyoti Mukherjee, Puneet Mathur, Nesreen Ahmed, Junda Wu, Li Li, Huixin Zhang, Ruiyi Zhang, Tong Yu, Sungchul Kim, Jiuxiang Gu, Zhengzhong Tu, Alexa Siu, Zichao Wang, David Seunghyun Yoon, Nedim Lipka, Namyong Park, Zihao Lin, Trung Bui, Yue Zhao, Tyler Derr, Ryan A. Rossi,
• Abstract要約: 大規模言語モデル(LLM)により、合成ユーザ会話の高忠実度生成が可能となった。 本稿では,ユーザの粒度とシミュレーション目的を考慮した新しい分類法を提案する。 我々は,対話型ユーザシミュレーションの最近の進歩を研究コミュニティに知らせることを目的としている。
• 参考スコア（独自算出の注目度）: 135.70167715992912
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: User simulation has long played a vital role in computer science due to its potential to support a wide range of applications. Language, as the primary medium of human communication, forms the foundation of social interaction and behavior. Consequently, simulating conversational behavior has become a key area of study. Recent advancements in large language models (LLMs) have significantly catalyzed progress in this domain by enabling high-fidelity generation of synthetic user conversation. In this paper, we survey recent advancements in LLM-based conversational user simulation. We introduce a novel taxonomy covering user granularity and simulation objectives. Additionally, we systematically analyze core techniques and evaluation methodologies. We aim to keep the research community informed of the latest advancements in conversational user simulation and to further facilitate future research by identifying open challenges and organizing existing work under a unified framework.
• Abstract（参考訳）: ユーザシミュレーションは、幅広いアプリケーションをサポートする可能性のために、長い間、コンピュータ科学において重要な役割を担ってきた。 言語は、人間のコミュニケーションの主要な媒体であり、社会的相互作用と行動の基礎を形成している。 その結果,会話行動のシミュレーションが重要な研究領域となっている。 大規模言語モデル(LLM)の最近の進歩は、合成ユーザ会話の高忠実度生成を可能にすることによって、この分野の進歩を著しく触媒している。 本稿では,LLMを用いた対話型ユーザシミュレーションの最近の進歩について調査する。 本稿では,ユーザの粒度とシミュレーション目的を考慮した新しい分類法を提案する。 さらに,コア技術と評価手法を体系的に分析する。 我々は,対話型ユーザシミュレーションの最近の進歩を研究コミュニティに知らせるとともに,オープンな課題を特定し,既存の作業を統一的な枠組みの下で整理することによって,今後の研究を促進することを目的としている。

関連論文リスト

• UXSim: Towards a Hybrid User Search Simulation [2.50369129460887]
  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。
  論文  参考訳（メタデータ） (2026-02-27T18:14:34Z)
• Population-Aligned Persona Generation for LLM-based Social Simulation [58.84363795421489]
  本稿では,社会シミュレーションのための高品質な集団対応ペルソナ集合を合成するための体系的枠組みを提案する。 我々のアプローチは、長期のソーシャルメディアデータから物語的ペルソナを生成するために、大きな言語モデルを活用することから始まる。 特定のシミュレーションコンテキストのニーズに対処するために,対象のサブポピュレーションに対してグローバルに整合したペルソナを適応させるタスク固有モジュールを提案する。
  論文  参考訳（メタデータ） (2025-09-12T10:43:47Z)
• YuLan-OneSim: Towards the Next Generation of Social Simulator with Large Language Models [50.35333054932747]
  本稿では,YuLan-OneSimというソーシャルシミュレータを紹介する。 ユーザは、シミュレータとの自然言語インタラクションを通じて、シミュレーションシナリオを記述し、洗練することができます。 我々は、経済学、社会学、政治、心理学、組織、人口統計学、法律、コミュニケーションを含む8つの領域にまたがる50のデフォルトシミュレーションシナリオを実装した。
  論文  参考訳（メタデータ） (2025-05-12T14:05:17Z)
• LLM Social Simulations Are a Promising Research Method [4.6456873975541635]
  我々は,5つの難題に対処することで,LLM社会シミュレーションの約束を達成できると主張している。 LLMの社会シミュレーションは、すでにパイロット実験や探索研究に利用できると信じている。 研究者は、新しいAIシステムを最大限に活用するために、概念モデルと反復評価の開発を優先すべきである。
  論文  参考訳（メタデータ） (2025-04-03T03:01:26Z)
• Large Language Model Driven Agents for Simulating Echo Chamber Formation [5.6488384323017]
  ソーシャルメディアプラットフォームにおけるエコーチャンバーの台頭は、分極と既存の信念の強化に対する懸念を高めている。 エコーチャンバーの形成をシミュレーションするための従来の手法は、しばしば事前定義された規則や数値シミュレーションに依存してきた。 本稿では,大言語モデル(LLM)を生成エージェントとして活用し,エコーチャンバー力学をシミュレートする新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-25T12:05:11Z)
• User Simulation in the Era of Generative AI: User Modeling, Synthetic Data Generation, and System Evaluation [38.48048183731099]
  ユーザシミュレーションは、ジェネレーティブAIの時代において、複数の重要なアプリケーションを持つ、新たな学際的なトピックである。 それは、AIシステムと対話する人間のユーザのアクションを模倣するインテリジェントエージェントを作成することを含む。 ユーザシミュレーションは多様な分野に深く影響し、人工知能の追求に重要な役割を果たしている。
  論文  参考訳（メタデータ） (2025-01-08T10:49:13Z)
• From Individual to Society: A Survey on Social Simulation Driven by Large Language Model-based Agents [47.935533238820334]
  伝統的な社会学研究は、しばしば人間の参加に頼っているが、それは効果的だが、高価であり、スケールが困難であり、倫理的な懸念がある。 大規模言語モデル(LLM)の最近の進歩は、人間の振る舞いをシミュレートし、個々の反応の複製を可能にし、多くの学際的な研究を容易にする可能性を強調している。 シミュレーションは,(1)特定の個人や人口集団を模倣する個人シミュレーション,(2)複数のエージェントが協調して特定の状況における目標を達成するシナリオシミュレーション,(3)エージェント社会内の相互作用をモデル化して実世界のダイナミクスの複雑さや多様性を反映するシミュレーション社会の3種類に分類される。
  論文  参考訳（メタデータ） (2024-12-04T18:56:37Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。