MIMESIS：用户模拟器作为智能体训练环境
AI 总结
该论文提出 MIMESIS，一个专门训练的 9B 用户模拟器，基于真实人机对话构建，加入显式推理监督和 13 种源自真实交互的行为模式。作者称其在 SOUL-Index 上得分为 65.7，超过最强前沿模型；与基线 Claude-Opus-5 相比，行为保真度提升 13.4 分，Turing 距离降低 3.6 分。研究者随后冻结该模拟器，用多轮强化学习训练智能体，在八个环境中训练后在九个未见用户模拟器上均优于用 GPT-5.5 训练；论文另提出 CSD 方法，把模拟器的私有推理轨迹转成 token 级监督。论文提供代码链接。
深度见解
若这些结果被独立验证，可扩展的用户模拟器有望降低依赖真人反馈的智能体训练与评测成本。