الملخص
تمت ترجمة أجزاء من هذه الصفحة آلياً وقد تحتوي على أخطاء.
Recent benchmarks rely on user simulators to evaluate AI agents in multi-turn interaction. While existing simulation techniques demonstrate surface fidelity to human style and behavior, ecologically valid interactive benchmarking also requires alignment in when and how agents fail across simulated and real user populations. We find that existing simulators lack outcome calibration: agreement with observed success rates and failure patterns when real users interact with the same agent. We introduce Calibrated User Embeddings (CUE), a framework that both encodes observed sessions and samples continuous representations, then decodes them into persona commands to steer LLMs to act as user simulators without training. Through this, we evaluate user-conditioned replay of past sessions and aggregate metric agreement when sampling novel personas for the same tasks. On $τ^2$-Bench, CUEd simulators commit fewer simulator-attributed errors and more faithfully reproduce real-user agent failure modes, aggregate success rates, and outcomes for specific task-user pairs than other persona-based simulation methods. These gains coexist with competitive user fidelity as measured using metrics established in prior work. After being fit to mostly customer support interactions, the same CUEd simulators generalize to document creation, math tutoring, and casual conversation, and remain effective across different simulator LLMs without CUE retraining.
الكلمات المفتاحية
الموضوع
بيانات النشر
- المجلة
- غير متاح
- وصول مفتوح
- وصول مفتوح أخضر
اقتبس هذه المقالة
APA 7
Kantharuban, A., & Mueller, J. (2026). توجيه محاكيات المستخدمين: تضمينات مستخدم معايَرة للقياس المعياري متعدد الجولات. https://omanscience.com/ar/articles/cueing-user-simulators-calibrated-user-embeddings-for-multi-turn-benchmarking
MLA 9
Kantharuban, Anjali, and Jonas Mueller. "توجيه محاكيات المستخدمين: تضمينات مستخدم معايَرة للقياس المعياري متعدد الجولات." https://omanscience.com/ar/articles/cueing-user-simulators-calibrated-user-embeddings-for-multi-turn-benchmarking.
شيكاغو (المؤلف–التاريخ)
Kantharuban, Anjali, and Jonas Mueller. 2026. "توجيه محاكيات المستخدمين: تضمينات مستخدم معايَرة للقياس المعياري متعدد الجولات." https://omanscience.com/ar/articles/cueing-user-simulators-calibrated-user-embeddings-for-multi-turn-benchmarking.
هارفارد
Kantharuban, A. and Mueller, J. (2026) 'توجيه محاكيات المستخدمين: تضمينات مستخدم معايَرة للقياس المعياري متعدد الجولات', Available at: https://omanscience.com/ar/articles/cueing-user-simulators-calibrated-user-embeddings-for-multi-turn-benchmarking.
فانكوفر
Kantharuban A, Mueller J. توجيه محاكيات المستخدمين: تضمينات مستخدم معايَرة للقياس المعياري متعدد الجولات. https://omanscience.com/ar/articles/cueing-user-simulators-calibrated-user-embeddings-for-multi-turn-benchmarking
IEEE
A. Kantharuban, and J. Mueller, "توجيه محاكيات المستخدمين: تضمينات مستخدم معايَرة للقياس المعياري متعدد الجولات," https://omanscience.com/ar/articles/cueing-user-simulators-calibrated-user-embeddings-for-multi-turn-benchmarking.