UserArena：面向长期购物智能体的交互式用户模拟基准
UserArena 是用于评估长期购物场景推荐智能体的交互式电子商务基准，包含来自 11,010 名用户的 64,729 条会话轨迹，覆盖 566,102 件商品和 13 种操作类型。该基准将真实用户轨迹与交互式环境结合，并支持利用生产环境受控 A/B 测试结果进行离线验证。评估分为五个层级，涵盖输出有效性、局部决策、序列行为、个性化和最终结果。研究人员还提出了 On-Policy Trajectory Distillation（OPTD），通过利用轨迹级意图提高模拟器的保真度。在 UserArena 的评估中，OPTD 取得了最高的整体保真度，并在离线模拟中最接近地复现了生产策略的效果。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。