Decision-aware User Simulation Agent for Evaluating Conversational Recommender Systems
本文提出了"Hesitator"，这是一个基于理论的用户模拟框架，它通过将物品选择与承诺决策分离，明确模拟了选择过载下的人类决策过程，从而纠正了现有基于大语言模型的对话推荐系统评估器中普遍存在的不切实际的高接受率以及缺乏犹豫的问题。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正打算买一双新的跑鞋。你告诉店员：“我需要一双 150 美元以下的高质量鞋子。”店员（一个计算机程序）瞬间列出了 10 个完美的选项。
当前“虚假”购物者存在的问题
在测试这些销售程序的世界里，研究人员使用“用户模拟器”——即伪装成顾客的人工智能体，以检验销售程序是否有效。
该论文指出，当前的人工智能购物者过于完美。它们就像拥有无限算力的超级计算机。当看到 10 双鞋时，它们会瞬间计算出每一双的优缺点，选出最好的一双，并立即说：“我要买这个！”
在现实世界中，人类并非如此。如果你看到 10 双鞋，你的大脑会感到疲惫。你会感到不知所措。你可能会想：“哇，选择太多了。我不确定哪一双是对的。让我稍后再想想。”这被称为选择过载。由于当前的 AI 模拟器不会感到疲惫或不知所措，它们说“是”的频率过高，使得销售程序看起来比实际效果更好。
解决方案：“犹豫者”
作者创建了一种名为犹豫者（Hesitator）的新型 AI 购物者。请将犹豫者想象成一名拥有忙碌大脑的普通人，而非超级计算机。
犹豫者分两个明确的步骤运作，模拟我们大脑实际处理决策的方式：
过滤器（“不”按钮）：
首先，犹豫者不会一次性审视所有 10 双鞋。它使用一个快速过滤器。“我有 150 美元吗？这是个不错的品牌吗？”如果某双鞋未能通过这项基本检查，它会被立即淘汰。这就像俱乐部的门卫；你不会让所有人都进来跳舞。这节省了脑力。犹豫（“等等”按钮）：
即使鞋子通过了过滤器，犹豫者也会检查自己的“脑力电池”。它会问：“还剩多少选项？细节有多复杂？我对自己想要什么感到不确定吗？”- 如果列表简短且简单，它会说：“好的，我买这个。”
- 如果列表仍然庞大或令人困惑，犹豫者会说：“我不知所措。我需要暂停一下，稍后再考虑。”
为何这很重要
研究人员在两个场景中测试了犹豫者与其他 AI 购物者：购买电子产品和购买电子游戏。
- 旧款 AI 购物者： 当研究人员给它们提供更多选项（使选择变得更难）时，这些 AI 购物者实际上在说“是”方面变得更出色。它们并不在意任务变得困难。这是不现实的。
- 犹豫者： 当获得更多选项时，犹豫者开始更频繁地说“不”或“等等”。它的行为符合真实的人类心理学：选择越多 = 越困惑 = 即时购买越少。
结果
通过增加这个“犹豫”步骤，研究人员发现，他们正在测试的销售程序实际上不如之前认为的那么有效。旧的模拟器因为过于急切而撒谎。犹豫者通过感到不知所措来揭示真相，就像真人一样。
总结
该论文介绍了一种模拟人类购物者的新方法，该方法承认：“有时，过多的选择会让我僵住。”通过在 AI 中构建这种犹豫机制，研究人员现在可以更准确地测试销售程序，确保它们适用于那些会因做决定而感到疲惫的真实人类，而不仅仅适用于那些永远不会感到不知所措的超级计算机。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。