Eine Umfrage zu LLM-basierten konversationellen Benutzersimulationen
A Survey on LLM-based Conversational User Simulation
April 27, 2026
Autoren: Bo Ni, Leyao Wang, Yu Wang, Branislav Kveton, Franck Dernoncourt, Yu Xia, Hongjie Chen, Reuben Leura, Samyadeep Basu, Subhojyoti Mukherjee, Puneet Mathur, Nesreen Ahmed, Junda Wu, Li Li, Huixin Zhang, Ruiyi Zhang, Tong Yu, Sungchul Kim, Jiuxiang Gu, Zhengzhong Tu, Alexa Siu, Zichao Wang, David Seunghyun Yoon, Nedim Lipka, Namyong Park, Zihao Lin, Trung Bui, Yue Zhao, Tyler Derr, Ryan A. Rossi
cs.AI
Zusammenfassung
Die Simulation von Nutzerverhalten spielt aufgrund ihres Potenzials, eine Vielzahl von Anwendungen zu unterstützen, seit langem eine wichtige Rolle in der Informatik. Sprache als primäres Medium menschlicher Kommunikation bildet die Grundlage sozialer Interaktion und Verhaltensweisen. Folglich ist die Simulation von Konversationsverhalten zu einem zentralen Forschungsgebiet geworden. Jüngste Fortschritte bei großen Sprachmodellen (LLMs) haben die Entwicklung in diesem Bereich erheblich beschleunigt, da sie eine hochpräzise Generierung synthetischer Nutzerkonversationen ermöglichen. In diesem Beitrag geben wir einen Überblick über neuere Fortschritte in der LLM-basierten Konversationssimulation von Nutzern. Wir führen eine neuartige Taxonomie ein, die die Nutzergranularität und Simulationsziele abdeckt. Zusätzlich analysieren wir systematisch Kerntechniken und Bewertungsmethoden. Unser Ziel ist es, die Forschungsgemeinschaft über die neuesten Entwicklungen in der konversationellen Nutzersimulation zu informieren und zukünftige Forschung zu erleichtern, indem wir offene Herausforderungen identifizieren und bestehende Arbeiten in einem einheitlichen Rahmen zusammenfassen.
English
User simulation has long played a vital role in computer science due to its potential to support a wide range of applications. Language, as the primary medium of human communication, forms the foundation of social interaction and behavior. Consequently, simulating conversational behavior has become a key area of study. Recent advancements in large language models (LLMs) have significantly catalyzed progress in this domain by enabling high-fidelity generation of synthetic user conversation. In this paper, we survey recent advancements in LLM-based conversational user simulation. We introduce a novel taxonomy covering user granularity and simulation objectives. Additionally, we systematically analyze core techniques and evaluation methodologies. We aim to keep the research community informed of the latest advancements in conversational user simulation and to further facilitate future research by identifying open challenges and organizing existing work under a unified framework.