合成数据训练效果媲美真实数据，8项保真度指标7项超越基线！
SimTrace: Grounded Multimodal User Trajectories Generation for Online User Modeling
📖 AI 总结
该论文提出SimTrace框架，旨在解决在线用户行为建模中高质量轨迹数据难以获取的问题。由于隐私限制和流量不足，现有公开数据集要么缺乏细粒度交互细节，要么规模有限且局限于特定平台。SimTrace通过基于真实用户轨迹和给定网页环境的计算机使用客户端代理，生成忠实、细粒度的合成多模态点击流：先对真实交互进行匿名化处理，再构建目标网页环境的模拟孪生，进而生成配对的交互轨迹、网页观测与用户上下文。在电商场景的评估中，SimTrace在8项保真度指标中的7项优于基线；基于合成数据训练的模型在购买预测和推荐等下游任务上达到与真实数据相当的性能；在下一动作预测任务中，合成数据与真实数据结合使准确率相对仅用真实数据提升11.0%。该工作为在线用户行为研究提供了可共享的替代方案，并以开源包形式发布。
🔑 关键词速览
| SimTrace | 本文提出的框架，通过基于真实用户轨迹和 Web 环境的计算机使用智能体生成忠实、细粒度的合成多模态点击流。 |
| Virtual Clients | 虚拟客户端，指用于模拟真实用户行为以支持 A/B 测试、推荐系统开发等应用的软件代理。 |
| Clickstreams | 点击流，记录用户在网站或应用上连续交互行为（如点击、浏览）的序列数据。 |
| Computer-Use Client Agent | 计算机使用客户端智能体，一种能够模拟人类操作计算机界面（如点击、输入）以完成任务的 AI 代理。 |
| Next Action Prediction | 下一动作预测，根据用户历史交互序列预测其下一步操作的下游任务。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅