Resumen Técnico: SimPersona

Enunciado del Problema

Los agentes web basados en Modelos de Lenguaje Grande (LLM) han demostrado la capacidad de navegar por tiendas en línea en vivo y ejecutar flujos de compra. Sin embargo, los agentes actuales suelen colapsar en una única política de "comprador promedio", fallando en capturar la naturaleza heterogénea y distribucional de las poblaciones reales de compradores. Los métodos de personalización existentes dependen de perfiles de personas (personas) elaborados a mano y basados en prompts (por ejemplo, perfiles de interpretación de roles o resúmenes de compra), los cuales son frágiles, ineficientes en cuanto al contexto y no pueden representar fielmente el comportamiento a nivel de población. Además, aunque la literatura sobre modelado de usuarios puede aprender representaciones estructuradas de compradores a partir de flujos de clics crudos, estos métodos están diseñados para tareas fuera de línea (predicción, agrupación) y no "anclan" estas representaciones en el espacio de acciones de un agente de bucle cerrado. En consecuencia, reconstruir la distribución específica de tipos de compradores que define el tráfico de una tienda sigue siendo un desafío abierto.

Metodología

Los autores proponen SimPersona, un marco que aprende tipos de compradores discretos a partir del tráfico histórico y los expone a agentes web basados en LLM como tokens de persona compactos. El enfoque consta de tres componentes principales:

1. Pipeline de Datos

El sistema procesa registros de eventos de comercio electrónico crudos y fragmentados (vistas de página, acciones de carrito, búsquedas) en dos tipos de datos complementarios:

• Representaciones Conductuales de Compradores: Los registros crudos se enriquecen con catálogos de productos y consultas de búsqueda para crear vectores agregados de comprador-sesión. Estos vectores combinan 16 características conductuales escalares (exposición, compromiso, tasas de embudo, fuerza de intención, valores en dólares) con incrustaciones semánticas de productos (comprimidas mediante PCA). Los compradores también se estratifican en cinco niveles de embudo (Compradores, Abandonadores de Checkout, Constructores de Carrito, Ventanistas, Rebotadores).
• Rastros de Agente: Las sesiones reales de compradores se reproducen en tiendas en línea en vivo. Un LLM reescribe la secuencia de eventos en un objetivo de navegación en lenguaje natural, y un agente separado ejecuta este objetivo, generando secuencias de múltiples turnos de observaciones de DOM, acciones y rastros de razonamiento para el Ajuste Fino Supervisado (SFT).

2. Descubrimiento de Personas mediante VQ-VAE Consciente del Comportamiento

Un Autoencoder Variacional Cuantizado Vectorialmente (VQ-VAE) mapea los vectores conductuales de alta dimensión a un diccionario de códigos discreto de $K$ tokens.

• Arquitectura: El codificador comprime las entradas en un espacio latente, que se cuantiza a la entrada más cercana en un diccionario aprendido. El decodificador reconstruye la entrada.
• Objetivo Consciente del Comportamiento: A diferencia de la agrupación estándar (por ejemplo, k-medias), el VQ-VAE se entrena con una función de pérdida compuesta que incluye:
  • Pérdida de Reconstrucción: Consciente del grupo (MSE para escalares, distancia coseno para incrustaciones).
  • Pérdida Contrastiva (InfoNCE): Un mecanismo de puerta de tres etapas (nivel de embudo, similitud de producto, estilo conductual) asegura que los compradores asignados al mismo token compartan similitudes conductuales significativas, no solo proximidad geométrica.
  • Cabezas Auxiliares: Tres cabezas de clasificación predicen etiquetas gruesas para la profundidad de compromiso, la amplitud de exploración y la intensidad de compra, imponiendo una agrupación semántica.
• Resultado: La frecuencia de asignaciones de tokens refleja naturalmente la distribución empírica de tipos de compradores dentro del tráfico de un comerciante específico.

3. Anclaje de Personas en Dos Etapas

Para integrar estos tokens discretos en un LLM (Qwen3-14B-Base) sin causar que el modelo ignore los tokens en favor de señales de prompts superficiales, se emplea un proceso de ajuste fino en dos etapas:

• Etapa 1 (Anclaje de Persona): La columna vertebral del LLM se congela; solo se entrenan las nuevas incrustaciones de tokens de persona. El modelo se entrena en objetivos neutrales a la intención (por ejemplo, "Estás interesado en faldas") donde la única señal que distingue los tipos de compradores es el patrón estadístico de acciones a través de los rastros. Esto obliga a las incrustaciones a absorber el significado conductual de la persona.
• Etapa 2 (Ajuste Fino Orientado a la Acción): La columna vertebral se descongela y el modelo se entrena en rastros dirigidos a objetivos con intenciones explícitas (por ejemplo, "Estás aquí para comprar faldas"). El modelo aprende a fusionar el token de persona (perfil conductual general) con la intención específica de la sesión.

Contribuciones Clave

1. Marco SimPersona: Un método para aprender tokens de persona discretos a partir de flujos de clics crudos utilizando un VQ-VAE consciente del comportamiento, habilitando la asignación escalable de personas y la reconstrucción fiel de las distribuciones de poblaciones de compradores.
2. Anclaje en Dos Etapas: Un procedimiento de entrenamiento que desacopla el aprendizaje del significado semántico de un token del aprendizaje de cómo actuar sobre él, produciendo incrustaciones que generalizan a través de tiendas en línea no vistas sin adaptación.
3. Pipeline de Código Abierto: Un pipeline de datos que convierte registros de eventos de comercio electrónico crudos en representaciones de compradores y rastros de entrenamiento de agentes.
4. Evaluación: Pruebas exhaustivas en 8,37 millones de compradores no vistos a través de 42 tiendas en línea en vivo.

Resultados

Evaluado en 42 tiendas en línea en vivo retenidas con 8,37 millones de compradores, SimPersona demuestra:

• Alineación de Conversión: Los agentes logran un 78% de alineación con las tasas de conversión reales de los compradores (Agregar al Carrito y Compra), superando significativamente a las líneas base desajustadas.
• Fidelidad Conductual: Los agentes condicionados a tokens específicos exhiben una separación estadísticamente significativa en dimensiones conductuales (por ejemplo, los tokens de alta compra convierten a tasas >100 veces más altas que los tokens de baja compra bajo la misma intención).
• Seguimiento de Instrucciones: SimPersona supera a un modelo base con 8 veces más parámetros (GPT-OSS-120B) en tareas de compra orientadas a objetivos, particularmente en flujos de pago complejos, manteniendo al mismo tiempo la robustez a través de diversas tiendas en línea.
• Recuperación de Distribución: La distribución de tokens aprendida recupera con precisión la composición de etapas del embudo de las tiendas (divergencia media de Jensen-Shannon de 0,054) y características conductuales continuas ($R^2 \ge 0,87$).
• Estabilidad: El entrenamiento en dos etapas elimina modos de fallo catastrófico observados en el entrenamiento de una sola etapa, reduciendo la tasa de error máxima por tienda del 71,3% al 28,5%.

Significado

El artículo afirma que SimPersona cierra la brecha entre el modelado de usuarios fuera de línea y la simulación de agentes de bucle cerrado. Al representar el comportamiento del comprador como tokens discretos aprendidos directamente del tráfico, el marco resuelve el "problema de la persona" no solo para agentes individuales, sino para la población en su conjunto. Permite la simulación de poblaciones de compradores realistas y heterogéneas que preservan las distribuciones de tráfico específicas del comerciante, habilitando una evaluación más precisa de tiendas en línea y pruebas A/B sintéticas. El trabajo demuestra que los tokens discretos aprendidos pueden dirigir eficazmente a los agentes LLM para reflejar segmentos específicos de compradores sin la fragilidad o los problemas de escalabilidad del condicionamiento basado en prompts.