心理学驱动推荐模拟器：500万任务并发，行为差异低于纯提示！
PsyBer-Agent: A Psychology-Driven User Agent for Recommender Systems
📖 AI 总结
本文提出 PsyBer-Agent，一种受心理学启发的推荐系统用户模拟器，旨在解决现有基于大语言模型的用户代理只能模仿短期表层反应、无法刻画疲劳、情感和偏好漂移等深层用户动态的问题。其核心组件 Psy-Engine 为每个用户建模三个可演化的隐状态，并通过非平衡 Gromov-Wasserstein 最优传输，将日志条件下的参考轨迹与模拟器生成的隐状态轨迹对齐，从而以轻量策略获得结构化监督，无需微调大模型主干。作者同时构建了 WebSim 平台和 PsyBer 基准，涵盖多模态场景与七种推荐主干，从行为保真度、隐状态一致性、鲁棒性及社会线索扰动响应等维度进行评估。结果显示，在测试时间跨度内，该代理的行为偏差低于仅依赖提示词的模拟器，并在有界并发下支持多达五百万个排队模拟任务，保持稳定性能。
🔑 关键词速览
| PsyBer-Agent | 一种受心理学启发的用户模拟器，用于在推荐系统评估中模拟长期用户动态。 |
| Psy-Engine | PsyBer-Agent 的核心引擎，通过三个演化的潜在状态对用户动态进行建模。 |
| Unbalanced Gromov-Wasserstein optimal transport | 一种最优传输方法，用于对齐不同空间中的轨迹，允许质量不匹配。 |
| WebSim | 一个多模态模拟平台，用于评估推荐系统在闭环交互中的表现。 |
| PsyBer Benchmark | 一个基准测试套件，包含多模态场景和七种推荐系统骨干，用于评估模拟器的行为保真度等指标。 |
📱 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