Generating Diverse Personas for User Simulators to Test Interview Dialogue Systems
为测试访谈对话系统生成多样化用户模拟器画像
🧭 用户模拟器 persona 多样性生成
C4A Research Institute, Inc. · SANKEN, University of Osaka · Musashi University
用 LLM 自动生成带沟通风格人格特质的用户画像，提升访谈对话系统测试中用户模拟器的行为多样性
📌 工作参考价值
- 在构建 Agent 用户模拟器做评测或数据合成时，可复用「LLM 生成 persona + 显式注入沟通风格人格特质」的方法，低成本扩大用户行为覆盖面，避免人工构造 personas 的瓶颈。
- 对于需要模拟多样化用户场景（如访谈、客服、搜索会话）的评测，可先定义人格特质维度（如沟通风格），再让 LLM 根据特质生成 personas，从而控制多样性。
- 如果要为推荐/搜索 Agent 做模拟评测，可以用类似思路生成不同背景、偏好、表达习惯的用户，帮助发现 Agent 对长尾用户行为的鲁棒性。
动机
访谈对话系统测试依赖大量真人用户，成本高、效率低。用户模拟器虽能降低测试负担，但现有模拟器主要面向任务型对话训练，对模拟用户的 persona 关注不足；手动创建覆盖多样行为的 persona 又很耗时。
方法关键点
提出用 LLM 自动生成用户模拟器所需的 personas。关键设计是：生成时显式分配与沟通风格相关的人格特质（如直接/委婉、主动/被动），以提升沟通风格的多样性。生成的 personas 被送入用户模拟器，控制其对话中的语言风格与行为模式。
关键结果
实验表明，该方法能让用户模拟器生成的话语（utterances）具有更大的变化幅度，即多样性显著提升。