真知浩见出品论文T2
ProfileSim：基于分层奖励强化学习的画像驱动任务型对话用户模拟
Profile-Driven User Simulation via Reinforcement Learning with Hierarchical Rewards for Task-Oriented Dialogues
arXiv · 发布于 2026-10-23 00:00 · 收录于 2026-10-26
摘要
ProfileSim用人口特征、大五人格、真实通话意图建模用户与业务画像，以真实语音数据微调并用分层奖励GRPO优化，面向任务型对话用户模拟。结合 SOP 约束与 RAG 客服智能体后，金融营销模拟对话更口语化、用户画像更贴合、发言更短，业务合规相当。该工作建模用户画像与业务意图，但无真人评估。
论文/研究合成用户市场研究