Een onderzoek naar op grote taalmodel gebaseerde simulatie van gesprekken met gebruikers
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
Samenvatting
Gebruikerssimulatie heeft al lang een cruciale rol gespeeld in de informatica vanwege het potentieel om een breed scala aan toepassingen te ondersteunen. Taal, als het primaire medium van menselijke communicatie, vormt de basis van sociale interactie en gedrag. Bijgevolg is het simuleren van conversatiegedrag een belangrijk onderzoeksgebied geworden. Recente vooruitgang in grote taalmmodellen (LLM's) heeft de ontwikkelingen op dit gebied aanzienlijk versneld door de hoogwaardige generatie van synthetische gebruikersgesprekken mogelijk te maken. In dit artikel geven wij een overzicht van recente vooruitgang in op LLM's gebaseerde conversatiegebruikerssimulatie. Wij introduceren een nieuwe taxonomie die gebruikersgranulariteit en simulatiedoelen omvat. Daarnaast analyseren wij systematisch kerntechnieken en evaluatiemethodologieën. Ons doel is de onderzoeksgemeenschap op de hoogte te houden van de nieuwste ontwikkelingen in conversatiegebruikerssimulatie en toekomstig onderzoek verder te vergemakkelijken door open uitdagingen te identificeren en bestaand werk in een uniform kader te organiseren.
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.