# 用户模拟

用户模拟器在生成下一句话之前先写出对助手这一轮的内心评价，包括1到5分打分和批评或称赞的判断；在真实用户与ChatGPT的交互日志上，这种模拟器比同规模提示式模拟器更贴近真人，并让助手多轮强化学习在效果持平的同时把算力降到不足一半。

用户模拟器在生成下一句话之前先写出对助手这一轮的内心评价，包括1到5分打分和批评或称赞的判断；在真实用户与ChatGPT的交互日志上，这种模拟器比同规模提示式模拟器更贴近真人，并让助手多轮强化学习在效果持平的同时把算力降到不足一半。

面向仓库级软件开发，研究者构建了 ReqClarifyBench，用341个任务把模糊的用户意图、人工校验的详细需求文档和代码评测产物配成一套，并让带三种真实用户画像的模拟用户参与多轮澄清。六个大模型的对比显示，问得有效不等于文档写得好：澄清有效性最高的模型需求对齐反而偏低；但加入交互澄清后，平均需求对齐从0.212升到0.494，相对提升133.1%，代码生成得分也随之提高。

面向仓库级软件开发，研究者构建了 ReqClarifyBench，用341个任务把模糊的用户意图、人工校验的详细需求文档和代码评测产物配成一套，并让带三种真实用户画像的模拟用户参与多轮澄清。六个大模型的对比显示，问得有效不等于文档写得好：澄清有效性最高的模型需求对齐反而偏低；但加入交互澄清后，平均需求对齐从0.212升到0.494，相对提升133.1%，代码生成得分也随之提高。

一个语言模型改从预测市场的价格变动里学行为推理，在 Polymarket 上方向准确率做到 0.674，并且不接触任何个人标注就零样本迁移到四个用户模拟基准。

一个语言模型改从预测市场的价格变动里学行为推理，在 Polymarket 上方向准确率做到 0.674，并且不接触任何个人标注就零样本迁移到四个用户模拟基准。