論文の概要: PsyBer-Agent: A Psychology-Driven User Agent for Recommender Systems

• arxiv url: http://arxiv.org/abs/2610.13989v1
• Date: Sat, 26 Sep 2026 14:42:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 06:39:59.366086
• Title: PsyBer-Agent: A Psychology-Driven User Agent for Recommender Systems
• Title（参考訳）: PsyBer-Agent:レコメンダシステムのための心理学駆動型ユーザエージェント
• Abstract要約: PsyBer-Agentは心理学にインスパイアされたシミュレーターで、Psy-Engineを通じてユーザーダイナミクスをモデル化する。 本フレームワークは,行動の忠実度,潜在状態の整合性,摂動,社会的手がかりに対する反応を評価する。
• 参考スコア（独自算出の注目度）: 17.46769898555035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evaluating recommender systems before deployment requires simulators that remain realistic over long, closed-loop interaction cycles. Current LLM-based agents generally function as surface imitators that generate realistic short-term responses but fail to capture the underlying user dynamics such as fatigue, affect, and shifting preferences. We propose PsyBer-Agent, a psychology-inspired simulator that models these dynamics through its Psy-Engine. This engine represents each user with three evolving, model-defined latent states. To calibrate simulated behavior against real interaction logs, we align log-conditioned reference trajectories with simulator-generated latent-state trajectories via Unbalanced Gromov--Wasserstein optimal transport. This approach provides structured supervision for a lightweight policy without the computational burden of fine-tuning the backbone LLM. We also introduce WebSim and the PsyBer Benchmark, which encompass multimodal scenarios and seven recommender backbones. Our framework evaluates behavioral fidelity, latent-state consistency, robustness, and responses to social-cue perturbations. On the tested horizons, PsyBer-Agent shows lower behavioral discrepancy than the prompt-only simulators while maintaining stable performance under large-scale concurrent simulation for up to 5M queued simulation tasks under bounded concurrency. Code is available in the supplementary material and at: PsyBer-Agent: https://anonymous.4open.science/r/CC66F/, WebSim Platform: https://anonymous.4open.science/r/D8EAX/.
• Abstract（参考訳）: デプロイ前にレコメンダシステムを評価するには、長時間のクローズドループのインタラクションサイクルにおいて現実的なシミュレータを必要とする。 現在のLSMベースのエージェントは、一般的に表面の模倣者として機能し、現実的な短期的な応答を生成するが、疲労、影響、好みのシフトといった基礎となるユーザーダイナミクスを捉えない。 PsyBer-Agentは心理学にインスパイアされたシミュレータで、Psy-Engineを通してこれらのダイナミクスをモデル化する。 このエンジンは、3つの進化したモデル定義の潜在状態を持つ各ユーザを表す。 実相互作用ログに対するシミュレーション動作を校正するために、ログ条件付き参照トラジェクトリと非平衡グロモフ-ワッサーシュタイン最適輸送を用いたシミュレータ生成潜在状態トラジェクトリを整列する。 このアプローチは、バックボーンLLMを微調整する計算負担を伴わずに、軽量なポリシーの構造化された監視を提供する。 マルチモーダルシナリオと7つの推奨バックボーンを含むWebSimとPsyBerベンチマークも導入しています。 本フレームワークは, 行動の忠実度, 潜在状態の整合性, 頑健性, ソーシャルキューの摂動に対する応答を評価する。 テスト対象地平線上では,PsyBer-Agentは,最大5Mの待ち行列シミュレーションタスクに対して,大規模並列シミュレーションの安定性能を維持しながら,プロンプトのみのシミュレータよりも動作の相違が低いことを示す。 PsyBer-Agent: https://anonymous.4open.science/r/CC66F/, WebSim Platform: https://anonymous.4open.science/r/D8EAX/

関連論文リスト

• CUEing User Simulators: Calibrated User Embeddings for Multi-Turn Benchmarking [5.827387573634597]
  Calibrated User Embeddings (CUE)は、観察されたセッションをエンコードし、継続的な表現をサンプルし、それらをペルソナコマンドにデコードするフレームワークである。 2ドルのBenchでは、CUEdシミュレータは、シミュレータが分散したエラーが少なく、より忠実に実ユーザエージェントのエラーモードを再現する。 主にカスタマーサポートのインタラクションに適合した後、同じCUEdシミュレータはドキュメント作成、数学の学習、カジュアルな会話に一般化する。
  論文  参考訳（メタデータ） (2026-10-01T20:34:16Z)
• Online Sim-to-Real Adaptation via Closed-Loop System Modeling [5.178900486147961]
  提案するOSRAM(Online Sim-to-Real Adaptation via Closed-Loop System Modeling)は,既存のコントローラに提供される参照コマンドに適応するフレームワークである。 その結果, 閉ループモデルにより, 未知の動的条件下での予測精度と追跡精度が向上することがわかった。
  論文  参考訳（メタデータ） (2026-09-24T00:54:55Z)
• ReactSim-Bench: Benchmarking Reactive Behavior World Model Simulation in Autonomous Driving [56.96697737229895]
  リアクティブ能力は、自律運転シミュレーションシステムのためのデータ駆動行動世界モデルシミュレータの重要な特性である。 本稿では,自律運転における行動世界モデルシミュレーションの反応性を評価するためのReactSim-Benchを紹介する。
  論文  参考訳（メタデータ） (2026-06-12T03:11:06Z)
• SimBench: Benchmarking the Ability of Large Language Models to Simulate Human Behaviors [58.87134689752605]
  我々は,LLMシミュレーションの堅牢で再現可能な科学のための,最初の大規模標準ベンチマークであるSimBenchを紹介する。 現在、最高のLLMでさえシミュレーション能力が限られ(スコア: 40.80/100)、性能はモデルサイズと対数的にスケールする。 シミュレーション能力は、深い知識集約的推論と最も強く相関していることを示す。
  論文  参考訳（メタデータ） (2025-10-20T13:14:38Z)
• 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)
• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。 我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。 また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• 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。

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。