MIMESIS用户模拟器

Meta Superintelligence Labs团队发布MIMESIS，一款专为训练交互式AI智能体设计的9B参数用户模拟器。该模型旨在解决现有基于通用LLM的模拟用户过于配合、行为单一的问题，通过引入13种真实用户行为模式，显著提升了智能体在未见过的用户模拟器上的泛化能力。

【背景】传统智能体训练常使用现成的大语言模型扮演用户，但这些模型往往表现得过于乐于助人且缺乏多样性，导致训练出的智能体难以应对真实世界中复杂多变的人类交互。

MIMESIS的核心突破在于其“真实性”与“泛化性”。实验数据显示，MIMESIS在SOUL-Index上达到65.7，超越了最强前沿模型；与Claude-Opus-5相比，其行为保真度提高了13.4分，图灵距离减少了3.6分。更重要的是，当冻结MIMESIS作为训练环境时，由此训练出的智能体在八个不同环境中，面对九种未见过的用户模拟器，表现均优于使用GPT-5.5训练的智能体。此外，团队提出了“教练式在线自蒸馏”（CSD）技术，利用模拟器生成的推理轨迹提供密集监督信号，进一步增强了智能体对用户需求的预判能力。目前争议较少，主要聚焦于该方法能否在更广泛的商业场景中复现这一泛化优势。读者可关注GitHub仓库的代码更新及后续基准测试报告。