論文の概要: Verifiable User Simulation for Search and Recommendation Systems

• arxiv url: http://arxiv.org/abs/2606.14474v1
• Date: Fri, 12 Jun 2026 14:09:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.924533
• Title: Verifiable User Simulation for Search and Recommendation Systems
• Title（参考訳）: 検索・レコメンデーションシステムのための検証可能なユーザシミュレーション
• Abstract要約: 大規模言語モデル(LLM)に基づくユーザシミュレーションは,検索エンジン,レコメンダシステム,検索拡張生成パイプラインの評価に採用されている。 本チュートリアルでは,ユーザシミュレータを7つの監査可能なコンポーネントからなる検証可能なエンジニアリングアーティファクトとして扱う,設計と監査のためのフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.794615910946002
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large-language-model (LLM) based user simulation is increasingly adopted for evaluating search engines, recommender systems, and retrieval-augmented generation pipelines, yet most simulators remain opaque: it is difficult to determine why a simulated user made a particular choice or whether that choice is consistent with the intended user profile. Compounding this, recent research shows that LLMs can produce biased or discriminatory responses depending on user background characteristics such as language, education level, and cultural context, raising concerns about the equitable treatment of minority and disadvantaged groups. This half-day, in-person tutorial introduces a proposed design-and-audit framework that treats a user simulator as a verifiable engineering artefact composed of seven auditable components - structured Persona, task-aware Contract, matched human-vs-agent Execution, auditable Trace, persona-aligned Verification, structured Feedback, and a Refinement loop that updates personas and contracts. Through two hands-on mini-labs on recommendation-list evaluation and search-query formulation, participants will inspect simulator behaviour end-to-end, distinguish diagnostic discrepancy analysis from statistical validation, and apply checks for fidelity, credibility, and demographic bias. The tutorial targets information retrieval and recommender systems researchers and practitioners interested in user behaviour simulation and responsible AI.
• Abstract（参考訳）: 大規模言語モデル(LLM)に基づくユーザシミュレーションは,検索エンジン,レコメンダシステム,検索拡張生成パイプラインの評価にますます採用されているが,ほとんどのシミュレータは不透明である。 近年の研究では, 言語, 教育水準, 文化状況など, 利用者の背景的特徴に応じて, LLMが偏見や差別的反応を生じさせる可能性が示唆され, 少数・不平等集団の公平な扱いに対する懸念が高まっている。 この半日間のチュートリアルでは、ユーザシミュレータを7つの監査可能なコンポーネント - 構造化されたペルソナ、タスク認識契約、マッチングされた人間-vs-エージェント実行、監査可能なトレース、ペルソナ整列検証、構造化されたフィードバック、そしてペルソナとコントラクトを更新するリファインメントループ - で構成される検証可能なエンジニアリングアーティファクトとして扱うための、設計と監査のフレームワークが紹介されている。 推薦リストの評価と検索クエリの定式化に関する2つのミニラボを通じて、参加者はシミュレータの動作をエンドツーエンドに検査し、診断の相違分析を統計的検証と区別し、忠実度、信頼性、人口統計バイアスのチェックを適用する。 このチュートリアルは、ユーザー行動シミュレーションと責任あるAIに関心のある情報検索とレコメンデーションシステム研究者と実践者をターゲットにしている。

関連論文リスト

• Investigating Assistant Bias in LLM User Simulators Using a Role Vector [21.70379807235766]
  LLMベースのユーザシミュレータは、大規模に自律エージェントを評価するために、ますます利用されている。 モデルトレーニング中にアシスタントバイアスが焼き込まれ、ロールプレイングプロンプトがオーバーライドしない。 i) ユーザ指向はアクティベーションにおいて識別可能であり, ユーザライクな振る舞いを誘発し, アシスタント特性とは異なる特徴を捉えている。
  論文  参考訳（メタデータ） (2026-09-01T02:49:30Z)
• Measuring and Mitigating the Distributional Gap Between Real and Simulated User Behaviors [61.610957638373826]
  本研究では,実際のユーザ行動とシミュレーションユーザ行動の分布ギャップを計測する手法を提案する。 実会話とシミュレーション会話のデータセットが与えられた場合,本手法は各会話からユーザ行動の表現を抽出する。 ほとんどのシミュレータも同様に振る舞うが、いくつかは独立している。
  論文  参考訳（メタデータ） (2026-05-08T15:09:25Z)
• Mind the Sim2Real Gap in User Simulation for Agentic Tasks [101.69142591891234]
  ユーザシミュレーションにおけるSim2Realのギャップを形式化し、実際の人間に対して$$$-benchプロトコルを実行する最初の研究を示す。 LLMシミュレータは過度に協調的であり、スタイリスティックに均一であり、現実的なフラストレーションや曖昧さを欠いている。 これらの知見は, LLMベースのユーザシミュレータをエージェント開発サイクルで使用する際の人間による検証の重要性を強調した。
  論文  参考訳（メタデータ） (2026-03-11T19:12:31Z)
• RecThinker: An Agentic Framework for Tool-Augmented Reasoning in Recommendation [63.74915464611075]
  RecThinkerはツール拡張推論を推奨するエージェントフレームワークである。 我々はRecThinker専用のツール群を開発し、モデルがユーザアイテム側および協調的な情報を取得することを可能にする。
  論文  参考訳（メタデータ） (2026-03-10T16:07:17Z)
• ConvApparel: A Benchmark Dataset and Validation Framework for User Simulators in Conversational Recommenders [48.83868690303791]
  このギャップに対処するために設計された、人間とAIの会話の新しいデータセットであるConvApparelを紹介します。 そのユニークなデュアルエージェントデータ収集プロトコル -- "よい" と "悪い" のレコメンデータを使用する -- は、偽物検証を可能にする。 本稿では,統計的アライメント,人間的類似度スコア,および対実的検証を組み合わせた総合的検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-18T23:00:21Z)
• PUB: An LLM-Enhanced Personality-Driven User Behaviour Simulator for Recommender System Evaluation [9.841963696576546]
  Personality-driven User Behaviour Simulator (PUB)は、パーソナライズされたユーザの振る舞いをモデル化するために、Big Fiveのパーソナリティ特性を統合している。 PUBは、行動ログ(例えば、評価、レビュー)とアイテムメタデータからユーザーの個性を動的に推論し、その後、実際のデータに対する統計的忠実性を保存するための合成相互作用を生成する。 Amazonレビューデータセットの実験では、PUBが生成したログは実際のユーザの行動と密接に一致し、パーソナリティ特性とレコメンデーション結果の間に有意義な関連性を明らかにする。
  論文  参考訳（メタデータ） (2025-06-05T01:57:36Z)
• LLM-Powered User Simulator for Recommender System [29.328839982869923]
  LLMを利用したユーザシミュレータを導入し、アイテムとのユーザエンゲージメントを明示的にシミュレートする。 具体的には、ユーザ嗜好の明示的なロジックを特定し、LCMを活用してアイテムの特性を分析し、ユーザ感情を抽出する。 本稿では,ユーザインタラクションシミュレーションの論理的および統計的洞察を相乗化するアンサンブルモデルを提案する。
  論文  参考訳（メタデータ） (2024-12-22T12:00:04Z)
• A LLM-based Controllable, Scalable, Human-Involved User Simulator Framework for Conversational Recommender Systems [14.646529557978512]
  Conversational Recommender System (CRS) はユーザからのリアルタイムフィードバックを利用して好みを動的にモデル化する。 LLM(Large Language Models)は、計算能力の新たな時代を迎えている。 ユーザシミュレータの動作を管理するCSHI(Controlable, scalable, and human-Involved)シミュレータフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-13T03:02:56Z)
• 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)
• BASES: Large-scale Web Search User Simulation with Large Language Model based Agents [108.97507653131917]
  BASESは、大きな言語モデル(LLM)を持つ新しいユーザーシミュレーションフレームワークである。 シミュレーションフレームワークは,大規模に独自のユーザプロファイルを生成することができ,その結果,多様な検索行動が生まれる。 WARRIORSは、中国語と英語の両方のバージョンを含む、Web検索ユーザ行動を含む、新しい大規模なデータセットである。
  論文  参考訳（メタデータ） (2024-02-27T13:44:09Z)
• 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)
• Metaphorical User Simulators for Evaluating Task-oriented Dialogue Systems [80.77917437785773]
  タスク指向対話システム(TDS)は、主にオフラインまたは人間による評価によって評価される。 本稿では,エンド・ツー・エンドのTDS評価のためのメタファ型ユーザシミュレータを提案する。 また,異なる機能を持つ対話システムなどの変種を生成するためのテスタベースの評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-02T05:11:03Z)

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。