Une étude sur la simulation d'utilisateurs conversationnels basée sur les modèles de langage de grande taille
A Survey on LLM-based Conversational User Simulation
April 27, 2026
Auteurs: 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
Résumé
La simulation d'utilisateurs a longtemps joué un rôle essentiel en informatique en raison de son potentiel à soutenir un large éventail d'applications. Le langage, en tant que principal vecteur de communication humaine, constitue le fondement des interactions sociales et des comportements. Par conséquent, la simulation de comportements conversationnels est devenue un domaine d'étude majeur. Les récentes avancées des grands modèles de langage (LLM) ont considérablement catalysé les progrès dans ce domaine en permettant la génération synthétique de conversations utilisateurs à haute fidélité. Dans cet article, nous passons en revue les avancées récentes dans la simulation d'utilisateurs conversationnels basée sur les LLM. Nous proposons une nouvelle taxonomie couvrant la granularité des utilisateurs et les objectifs de simulation. De plus, nous analysons systématiquement les techniques fondamentales et les méthodologies d'évaluation. Notre objectif est de tenir la communauté scientifique informée des dernières avancées en matière de simulation d'utilisateurs conversationnels et de faciliter les recherches futures en identifiant les défis ouverts et en organisant les travaux existants dans un cadre unifié.
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.