PersonaForge: Realistic Multi-Turn User Simulation for Agentic Systems
作者: Hanglong Lv, Dawei Zhu, Lei Li, Bowen Ye, Huaqiu Liu, Yifan Song, Bofei Gao, Weimin Xiong, Jinhao Dong, Chenhong He, Lingpeng Kong, Qi Liu, Tong Yang, Fuli Luo
分类: cs.CL
发布日期: 2026-08-28
💡 一句话要点
提出PersonaForge以解决多轮用户交互模拟问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 用户模拟 多轮交互 代理系统 行为控制 数据集构建
📋 核心要点
- 现有的用户交互模拟方法主要基于单轮查询，无法有效捕捉多轮交互的复杂性，导致训练数据与真实场景不匹配。
- 本文提出PersonaForge框架，通过四维角色空间和SOUL驱动的行为控制，模拟真实的多轮用户交互，提升代理系统的训练效果。
- 实验结果显示，使用PersonaForge训练的代理在任务完成度和响应质量上均有显著提升，且交互效率更高，减少了交互轮次和工具调用。
📝 摘要（中文）
随着大型语言模型在代理工作流执行中的应用日益增加，现有的训练数据和基准大多假设信息完整且为单轮查询。对16000个真实会话的分析显示，75.9%的交互为多轮，揭示了用户与代理交互方式与系统训练和评估之间的显著差距。本文提出了PersonaForge，一个用于合成真实多轮用户-代理交互的用户模拟框架。PersonaForge结合了四维角色空间、基于真实用户统计的SOUL驱动行为控制，以及基于真实种子查询的反向深度构建。通过PersonaForge，我们构建了一个6300条记录的训练数据集和一个涵盖20多个专业领域的138任务基准PersonaForge-Bench。实验结果表明，PersonaForge训练使复合得分提高了4.1%，在任务完成度和响应质量上分别提升了6.0%和6.8%。
🔬 方法详解
问题定义：本文旨在解决现有用户交互模拟方法在多轮交互场景中的不足，现有方法多基于单轮查询，无法反映真实用户的交互行为。
核心思路：通过构建PersonaForge框架，结合四维角色空间和SOUL驱动的行为控制，模拟真实的多轮用户-代理交互，从而提升代理系统的训练和评估效果。
技术框架：PersonaForge的整体架构包括四个主要模块：四维角色空间用于定义用户特征，SOUL驱动的行为控制用于模拟用户行为，反向深度构建用于生成真实交互数据，最后是数据集构建与基准评估模块。
关键创新：PersonaForge的核心创新在于其四维角色空间和SOUL驱动的行为控制，这与传统的单轮交互模拟方法本质上不同，能够更真实地反映用户的多轮交互行为。
关键设计：在设计中，采用了基于真实用户统计的行为控制机制，确保模拟的用户行为与实际用户行为相符，同时在数据集构建中使用了反向深度构建技术，以提高数据的真实性和多样性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，使用PersonaForge训练的代理在复合得分上提高了4.1%，其中任务完成度提升6.0%，响应质量提升6.8%。此外，PersonaForge训练的代理在交互中使用的轮次和工具调用数量均有所减少，显示出更高的交互效率。
🎯 应用场景
PersonaForge的研究成果可广泛应用于智能客服、虚拟助手和人机交互等领域，帮助提升代理系统的交互能力和用户体验。未来，该框架还可以扩展到其他需要多轮交互的智能系统中，推动相关技术的发展。
📄 摘要（原文）
Large language models are increasingly used as agentic workflow executors, yet existing training data and benchmarks largely assume informationally complete, single-turn queries. Our analysis of 16K real-world sessions shows that 75.9% of interactions are multi-turn, revealing a substantial gap between how users interact with agents and how such systems are trained and evaluated. We introduce \textbf{PersonaForge}, a user simulation framework for synthesizing realistic multi-turn user--agent interactions. PersonaForge combines a four-dimensional persona space, SOUL-driven behavioral control calibrated to real-user statistics, and Reverse Deep Construction grounded in authentic seed queries. Using PersonaForge, we construct a 6.3K-record training dataset and \textbf{PersonaForge-Bench}, a manually annotated 138-task benchmark spanning over 20 professional domains with four-dimensional scoring. Experiments on Qwen3.5-27B show that PersonaForge training improves the composite score by +4.1%, with gains across all four dimensions and the largest improvements in Task Completion (+6.0%) and Response Quality (+6.8%). Further analyses show that PersonaForge-trained agents use fewer turns and tool calls, suggesting improved interaction efficiency, while ablations confirm the contribution of SOUL components and adaptive simulation. Together, PersonaForge and PersonaForge-Bench establish a foundation for training and evaluating agents under realistic multi-turn user interaction.