Uno Studio sulla Simulazione di Utenti Conversazionali Basata su LLM
A Survey on LLM-based Conversational User Simulation
April 27, 2026
Autori: 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
Abstract
La simulazione degli utenti ha da tempo un ruolo fondamentale nell'informatica grazie al suo potenziale di supportare un'ampia gamma di applicazioni. Il linguaggio, in quanto principale mezzo di comunicazione umana, costituisce il fondamento dell'interazione e del comportamento sociale. Di conseguenza, la simulazione del comportamento conversazionale è diventata un'area di studio chiave. I recenti progressi nei grandi modelli linguistici (LLM) hanno catalizzato significativamente l'avanzamento in questo dominio, permettendo la generazione ad alta fedeltà di conversazioni sintetiche degli utenti. In questo articolo, esaminiamo i recenti progressi nella simulazione conversazionale degli utenti basata su LLM. Introduciamo una nuova tassonomia che copre la granularità dell'utente e gli obiettivi della simulazione. Inoltre, analizziamo sistematicamente le tecniche fondamentali e le metodologie di valutazione. Il nostro obiettivo è mantenere la comunità di ricerca informata sui più recenti avanzamenti nella simulazione conversazionale degli utenti e facilitare ulteriormente la ricerca futura identificando le sfide aperte e organizzando il lavoro esistente all'interno di un quadro unificato.
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.