論文の概要: Towards Faithful Simulation of Human Shopping Behavior

• arxiv url: http://arxiv.org/abs/2608.20707v1
• Date: Fri, 21 Aug 2026 03:24:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.3577
• Title: Towards Faithful Simulation of Human Shopping Behavior
• Title（参考訳）: ショッピング行動の忠実なシミュレーションに向けて
• Abstract要約: 本稿では,GUIを用いたシミュレーションエージェントRecVerseについて紹介する。 メモリの問題に対して、RecVerseは認知にインスパイアされた階層的メモリ、短期的なフォーカスのためのワーキングメモリ、セッション内トレースのためのエピソディックメモリ、高レベルのインテントのためのPreference Memoryを採用する。 最適化の課題として、RecVerseは、セッション全体をスコアする軌道レベルの目標で最適化されている。
• 参考スコア（独自算出の注目度）: 57.234936207923
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating realistic user shopping behavior underpins offline evaluation and reinforcement learning in e-commerce scenarios. While recent LLM- and VLM-based simulators have made encouraging progress, reproducing a real browsing session remains difficult for two reasons. (i) Memory Challenge: a shopping session spans dozens of pages, yet existing agents either discard long-range observation histories, losing the evolving user state, or naively concatenate them, overwhelming the context window and even degrading simulation quality. (ii) Optimization Challenge: current user simulators are typically supervised to match each logged action via imitation or step-level rewards; the resulting sessions often display unrealistic patterns, such as over-exploration or excessive passivity, which per-step supervision can neither detect nor correct. To address the above challenges, we present RecVerse, a GUI-grounded simulation agent that perceives pages through screenshots and produces faithful multi-turn trajectories. For the memory challenge, RecVerse adopts a cognitive-inspired hierarchical memory: Working Memory for short-term focus, Episodic Memory for in-session traces, and Preference Memory for high-level intent, with memory updates treated as actions so that the agent adaptively learns when and what to memorize. For the optimization challenge, RecVerse is optimized with a trajectory-level RL objective that scores entire sessions, aligning both macro-level action-type distributions and micro-level shopping intent with real users. We further release USB (User Simulation Benchmark), an interactive e-commerce GUI trajectory dataset for multi-turn user simulation. Experiments show that RecVerse significantly outperforms existing baselines in both behavioral fidelity and intent consistency.
• Abstract（参考訳）: リアルなユーザショッピング行動のシミュレーションは、eコマースシナリオにおけるオフライン評価と強化学習の基盤となる。 近年, LLM と VLM をベースとしたシミュレータが進歩を遂げているが, 実際のブラウジングセッションの再現は2つの理由から困難である。 (i) メモリチャレンジ: ショッピングセッションは数十ページに及ぶが、既存のエージェントは、長距離観測履歴を破棄し、進化しているユーザ状態を失ったり、それらを鼻でまとめたり、コンテキストウインドウを圧倒したり、シミュレーション品質を低下させたりします。 (ii)最適化チャレンジ:現在のユーザシミュレータは、通常、模倣やステップレベルの報酬によって、ログされた各アクションにマッチするように教師付けられ、その結果のセッションは、過度な探索や過度な通過といった非現実的なパターンをしばしば表示します。 以上の課題に対処するため,GUIを用いたシミュレーションエージェントであるRecVerseを紹介した。 短期的なフォーカスのためのワーキングメモリ、セッション内のトレースのためのエピソードメモリ、高レベルのインテンションのためのPreference Memory、メモリ更新をアクションとして扱い、エージェントがいつ、何を記憶すべきかを適応的に学習する。 最適化の課題として、RecVerseは、マクロレベルのアクションタイプの分布とマイクロレベルのショッピング意図の両方を実際のユーザと整合させて、セッション全体をスコアするトラジェクトリレベルのRL目標で最適化されている。 さらに,マルチターンユーザシミュレーションのための対話型EコマースGUIトラジェクトリデータセットであるUSB (User Simulation Benchmark) をリリースする。 実験によると、RecVerseは行動の忠実さと意図の一貫性の両方において、既存のベースラインを大幅に上回っている。

関連論文リスト

• Beyond Action Imitation: Learning a Decision-Aware User Simulator for Online Advertising [47.726568328425394]
  DASHは思考トレースを共同で生成し,異質なクロスドメイン履歴から行動行動を予測する,意思決定対応のユーザシミュレータである。 ユーザシミュレータをトレーニングするために、DASHは強力なLLMからSFTデータとして思考軌道を蒸留する。 ユーザシミュレータをトレーニングするために、DASHは、RLトレーニングのためのフォーム、コンテンツ、ロジックに沿った思考トレースを評価するルーリックベースの報酬モデルをカスタマイズする。
  論文  参考訳（メタデータ） (2026-07-29T13:25:30Z)
• LifeSide: Benchmarking Agents as Lifelong Digital Companions [47.43438363687746]
  ベンチマークはマルチセッションのtextitMemory-Emotion-Environmentループを中心としたベンチマークである。 階層化されたプロファイルとイベントトラジェクトリを持つ永続的な世界としてユーザをモデル化することで、ベンチマークはマルチエージェントシミュレーションを使用して、環境ダイナミクスを対話に投影する。 現在のメモリベンチマークを飽和させるモデルでさえ、正確なユーザ理解と真の相性を維持することができず、長い地平線上での真の相性を維持することができません。
  論文  参考訳（メタデータ） (2026-06-03T09:37:25Z)
• STAMP: Training Explicit Memory for Mobile GUI Agents in Controllable and Scalable Virtual Environments [63.39393178045112]
  モバイルエージェントは即座に反応制御を行うが、メモリを必要とする現実的なロングホライゾンタスクでは頻繁に失敗する。 制御可能な仮想環境を通じて,モバイルエージェントの明示的なメモリをトレーニングするフレームワークSTAMPを提案する。 結果のStampGUIエージェントは、メモリワールドベンチマークに新たなハイウォーターマークを設定し、例外的なメモリ精度とタスクレジリエンスを実証します。
  論文  参考訳（メタデータ） (2026-05-28T04:00:13Z)
• 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)
• Evo-Memory: Benchmarking LLM Agent Test-time Learning with Self-Evolving Memory [89.65731902036669]
  Evo-Memoryは、大規模言語モデル(LLM)エージェントで自己進化型メモリを評価するための、ストリーミングベンチマークとフレームワークである。 10以上の代表的なメモリモジュールを評価し、10種類の多ターンゴール指向およびシングルターン推論およびQAデータセットで評価した。
  論文  参考訳（メタデータ） (2025-11-25T21:08:07Z)
• 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)

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。