Meta Superintelligence Labs 论文提出用户模拟器 MIMESIS 用于 Agent 训练

Meta 超级智能实验室（Meta Superintelligence Labs）关于智能体训练中用户模拟器的论文，非常精彩。

智能体强化学习的设置通常让一个助手 LLM 来扮演用户，因此模拟用户过于配合、表达过于直白。

一个固定的 GPT-5.5 智能体在面对这类用户时，会觉得 tau-bench 的任务比面对真人更容易。

这项工作训练了 MIMESIS，一个 9B 的用户模拟器，使用人类对话以及在真实用户身上观察到的 13 种行为模式进行训练。它在行为保真度上以 13.4 分超过了 Claude Opus 5。

针对它训练的智能体，在全部九个它们从未见过的用户模拟器上，表现都优于针对 GPT-5.5 训练的智能体。

他们发现，增加一个将模拟器的内部推理转化为反馈的指导步骤，能带来进一步的提升。

论文：academy.dair.ai/papers/mimes…