Una Encuesta sobre Simulación de Usuarios Conversacionales Basada en Modelos de Lenguaje Grandes
A Survey on LLM-based Conversational User Simulation
April 27, 2026
Autores: 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
Resumen
La simulación de usuarios ha desempeñado durante mucho tiempo un papel vital en la informática debido a su potencial para respaldar una amplia gama de aplicaciones. El lenguaje, como principal medio de comunicación humana, constituye la base de la interacción social y el comportamiento. En consecuencia, la simulación del comportamiento conversacional se ha convertido en un área clave de estudio. Los recientes avances en los modelos de lenguaje grandes (LLMs) han catalizado significativamente el progreso en este dominio al permitir la generación de conversaciones de usuarios sintéticos de alta fidelidad. En este artículo, examinamos los avances recientes en la simulación de usuarios conversacionales basada en LLMs. Introducimos una taxonomía novedosa que cubre la granularidad del usuario y los objetivos de la simulación. Además, analizamos sistemáticamente las técnicas centrales y las metodologías de evaluación. Nuestro objetivo es mantener a la comunidad investigadora informada sobre los últimos avances en simulación de usuarios conversacionales y facilitar futuras investigaciones mediante la identificación de desafíos abiertos y la organización del trabajo existente bajo un marco unificado.
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.