Um Estudo sobre Simulação de Utilizadores Conversacionais Baseada em LLM
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
Resumo
A simulação de usuários tem desempenhado um papel vital na ciência da computação há muito tempo, devido ao seu potencial para suportar uma ampla gama de aplicações. A linguagem, como principal meio de comunicação humana, forma a base da interação e do comportamento social. Consequentemente, a simulação de comportamento conversacional tornou-se uma área-chave de estudo. Avanços recentes em grandes modelos de linguagem (LLMs) catalisaram significativamente o progresso neste domínio, permitindo a geração de alta fidelidade de conversas sintéticas de usuários. Neste artigo, revisamos os avanços recentes na simulação de usuários conversacionais baseada em LLMs. Introduzimos uma nova taxonomia que abrange a granularidade do usuário e os objetivos da simulação. Adicionalmente, analisamos sistematicamente as técnicas principais e as metodologias de avaliação. Visamos manter a comunidade de pesquisa informada sobre os últimos avanços na simulação de usuários conversacionais e facilitar ainda mais pesquisas futuras, identificando desafios em aberto e organizando o trabalho existente sob uma estrutura unificada.
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.