Intent Speaks Louder: Controllable User Simulation Beyond Response Imitation
意图胜过语言：可控用户模拟突破仅模仿回复
🧭 用户模拟 · 意图可控生成
Beihang University
提出 UserIDA，通过显式逐轮意图指令实现可控用户模拟，意图准确率大幅领先基线
📌 工作参考价值
- 对话式推荐/搜索 Agent 评估：构建用户模拟器时，显式注入每轮交互意图（如澄清需求、修正误解、接受结果），可生成更真实的用户行为流，用于离线评测 Agent 的意图理解与响应能力。
- 训练数据增强：对于电商导购、搜索 query 改写等场景，可按指定意图（补充细节、否定前序推荐）批量生成对话样本，缓解多样性不足，降低人工标注成本。
- 意图-表达解耦设计：借鉴 UserIDA 将“意图选择”与“语言生成”分离的思路，在推荐对话系统内单独规划下一步交互目标，再调用 LLM 生成对应文本，提升多轮交互的连贯性与成功率。
- 强化学习校正技巧：在指令遵循类生成任务中，可采用 group-based RL，让意图违背的候选回复在奖励排名中低于合规项，以温和方式强化约束，避免直接惩罚导致生成质量下降。
动机：用户模拟器是训练交互式助手（如对话推荐Agent）的关键环境，但生成下一轮用户回复本质上一对多：相同上下文可对应多种合理延续，不同延续蕴含不同局部交互意图（如接受、修正、质疑）。仅追求语言流畅易导致意图错位，使对话偏离真实用户行为。核心洞察：可控用户模拟应将“该轮实现什么交互意图”与“怎么用语言表达该意图”解耦。
方法：提出 UserIDA（用户意图-指令对齐），定义六类交互意图（提供信息、要求澄清、纠正、接受、拒绝、完成），将意图作为每轮显式指令。首先通过有监督微调（SFT）让模型学会按指令生成回复；随后引入意图校准策略优化（group-based RL），在混合质量-意图-风格奖励中，要求意图违背的候选回复排在合规回复之后，既保持回复整体质量又强化意图遵循。
结果：在公开基准 LMSYS-USP 上，UserIDA 的意图准确率达 86.6%，比最强专用用户模拟器基线提升 24.3 个百分点，且语义和风格相似度均有提高。在上下文干预测试中，91.7% 的对话状态能实现至少四种目标意图，而最强外部基线仅 22.9%。实验表明，逐轮意图控制是用户模拟中回复保真度之外的另一关键维度。