**Turing-RL：用图灵测试强化学习训练用户模拟器**

_Learning User Simulators with Turing Rewards_

> 现有用户模拟器训练方式多采用单条真实响应匹配，本文提出Turing-RL方法，利用LLM裁判给出图灵奖励，训练模拟器生成与真实用户无法区分的响应。实验在对话聊天和Reddit论坛两个领域均超越基线，表明优化不可区分性优于响应匹配。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.19336)