論文の概要: ARGUS: An Agenda-Driven Framework for Reliable User Simulation

• arxiv url: http://arxiv.org/abs/2610.21346v1
• Date: Thu, 15 Oct 2026 06:29:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.220325
• Title: ARGUS: An Agenda-Driven Framework for Reliable User Simulation
• Title（参考訳）: ARGUS: 信頼性のあるユーザシミュレーションのためのAgenda駆動フレームワーク
• Abstract要約: ARGUSは、シンボリック操作によって操作される動的アジェンダスタックを使用して、ユーザの目標状態を維持する、ニューロシンボリックフレームワークである。 コスト効率向上のために、我々はARGUSを統一パイプラインを用いてコンパクトなモデルに蒸留する。
• 参考スコア（独自算出の注目度）: 31.30120346017057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-fidelity user simulators are essential for evaluating and training agents in interactive environments. However, current LLM-based simulators struggle with reliability issues, such as goal omission and policy non-compliance. We propose ARGUS (Agenda-dRiven Goal-oriented User Simulator), a neuro-symbolic framework that maintains the user's goal state using a dynamic agenda stack manipulated via symbolic operations. By rigorously decoupling state tracking from natural language generation, ARGUS facilitates strict goal progression and constraint-aligned interactions. For cost-efficient deployment, we distill ARGUS into compact models using a unified pipeline: evaluator-guided SFT followed by online RL with dense step-level rewards. To rigorously evaluate behavioral fidelity, we introduce a rubric-based metric Composite Behavioral Score (CBS). Evaluations on $τ^3$-Bench and MultiWOZ demonstrate the significant superiority of the ARGUS architecture and the efficacy of our training pipeline. Code and data will be released soon.
• Abstract（参考訳）: 対話型環境におけるエージェントの評価と訓練には,高忠実度ユーザシミュレータが不可欠である。 しかし、現在のLCMベースのシミュレータは、ゴールの省略やポリシーの遵守など、信頼性の問題に悩まされている。 我々は,シンボル操作によって操作される動的アジェンダスタックを用いて,ユーザの目標状態を維持するニューロシンボリックなフレームワークであるARGUS(Agenda-dRiven Goal-oriented User Simulator)を提案する。 自然言語生成から状態追跡を厳密に分離することにより、ARGUSは厳格な目標の進行と制約に沿ったインタラクションを促進する。 コスト効率向上のために、我々はARGUSを統一パイプラインを用いてコンパクトなモデルに蒸留する。 振舞いの忠実度を厳密に評価するために, ブリックを用いた計量式複合振舞いスコア(CBS)を導入する。 τ^3$-BenchおよびMultiWOZの評価は、ARGUSアーキテクチャの顕著な優位性と、トレーニングパイプラインの有効性を示している。 コードとデータはまもなくリリースされる。

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)
• GSAR: Goal-State-Anchor Rewards for Mobile GUI Agents with Self-Evolving Data Synthesis [42.18402261450695]
  GSAR(Goal-State-Anchor Reward)は、スケーラブルなタスク生成をサポートし、信頼できる報酬信号を提供するRL報酬フレームワークである。 本フレームワークは,オフライン軌道検証において90%以上の精度を達成し,ルールベース手法に最も近い性能を実現する。
  論文  参考訳（メタデータ） (2026-08-24T06:27:47Z)
• WorldSimProbe: Diagnosing Simulator Faithfulness in Action-Conditioned World Models for Embodied Manipulation [85.15806404962193]
  行動条件付き世界モデル(ACWM)は、計画、ポリシー評価、データ生成のためのスケーラブルな予測シミュレータを具現化したAIを提供することを約束する。 物理シミュレータが期待する観測能力を用いてACWMを評価する。 WorldSimProbeは、制御のバリエーション、相互作用のグラウンディングにおける構造化された障害、ダイナミックスにまたがる、システマティックなアクション実現の劣化を明らかにする。
  論文  参考訳（メタデータ） (2026-08-10T08:48:06Z)
• 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)
• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)
• SOCIA-Nabla: Textual Gradient Meets Multi-Agent Orchestration for Automated Simulator Generation [16.707429579441435]
  SOCIA-Nablaは、テキストグラフ内のコードに対するシミュレータ構築の最適化を扱うエンドツーエンドのエージェントフレームワークである。 特殊な計算駆動エージェントをグラフノードとして組み込み、ワークフローマネージャが損失駆動ループを実行する:コード合成 ->実行 ->評価 ->コード修復。
  論文  参考訳（メタデータ） (2025-10-21T12:00:00Z)
• Goal Alignment in LLM-Based User Simulators for Conversational AI [14.771856490513194]
  ユーザシミュレータは対話型AIにとって不可欠であり、シミュレートされたインタラクションを通じてスケーラブルなエージェント開発と評価を可能にする。 UGST(User Goal State Tracking)は,会話を通じてユーザ目標の進行を追跡する新しいフレームワークである。 本稿では,目標の進捗を自律的に追跡し,目標に沿った応答を生成するユーザシミュレータを開発するための3段階の方法論を提案する。
  論文  参考訳（メタデータ） (2025-07-27T07:07:12Z)
• SWE-Bench-CL: Continual Learning for Coding Agents [0.0]
  SWE-Bench-CLは、人間検証されたSWE-Bench検証データセット上に構築された、新しい連続学習ベンチマークである。 GitHubのイシューを、自然リポジトリの進化を反映した時系列順序に整理することで、SWE-Bench-CLは、エージェントのエクスペリエンスを蓄積する能力を直接評価できる。
  論文  参考訳（メタデータ） (2025-06-13T07:11:14Z)
• NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
  我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。 我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。 NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
  論文  参考訳（メタデータ） (2024-06-21T17:59:02Z)

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。