BASES: Large-scale Web Search User Simulation with Large Language Model based Agents

本文是LLM系列文章，针对《BASES: Large-scale Web Search User Simulation with Large Language Model based Agents》的翻译。

摘要

由于大型语言模型（LLM）的卓越能力，开发用于可靠用户模拟的基于LLM的代理变得可行。考虑到真实用户数据的稀缺性和局限性（如隐私问题），本文对网络搜索进行了大规模的用户模拟，以改进对用户搜索行为的分析和建模。特别地，我们提出了BASES，这是一种新的用户模拟框架，具有基于LLM的代理，旨在促进对网络搜索用户行为的全面模拟。我们的模拟框架可以大规模生成独特的用户档案，从而导致多样化的搜索行为。为了证明BASES的有效性，我们基于中英文两种人类基准进行了评估实验，证明BASES可以有效地模拟大规模的类人搜索行为。为了进一步适应网络搜索的研究，我们开发了WARRIORS，这是一个新的包含网络搜索用户行为的大规模数据集，包括中文和英文版本，可以极大地支持信息检索领域的研究。我们的代码和数据将很快公开发布。

1 引言

2 相关工作

3 面向Web搜索的大规模用户模拟

4 有效性验证