UserArena：面向长程购物智能体的交互式用户模拟基准

论文发布真实电商长程购物智能体交互基准 UserArena 及模拟方法 OPTD。

资讯摘要

论文提出 UserArena，一个真实电商交互式基准，含 11,010 名用户的 64,729 条会话轨迹，覆盖 566,102 个商品和 13 种动作类型，并配有交互环境，可对照受控生产 A/B 测试结果做离线验证，支持从输出有效性到最终结果共五级评估。作者还提出 On-Policy Trajectory Distillation（OPTD），用轨迹级意图为学生生成的 rollout 提供密集教师目标。实验称 OPTD 在该评估协议下整体保真度最强，离线模拟最接近复现生产策略效果。

要点速读

1. UserArena 含 64,729 条会话轨迹、11,010 名用户、566,102 个商品和 13 种动作类型。
2. 该基准支持对照受控生产 A/B 测试结果进行离线验证，并提供五级评估。
3. 论文提出 OPTD，作者报告其在评估的模拟器中整体保真度最强，最接近复现生产策略效果。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:26（北京时间）。