**UserArena：首个长周期电商用户模拟基准与强化学习蒸馏新范式**

_UserArena: Benchmarking Interactive User Simulation for Long-Horizon Shopping Agents_

> 针对现有资源缺乏长周期、细粒度真实用户轨迹及离线验证手段的痛点，研究团队推出了 UserArena 基准，包含超 6.4 万条真实电商会话轨迹，支持从输出有效性到最终结果的五级评估。此外，团队提出了 On-Policy Trajectory Distillation (OPTD) 方法，利用轨迹级意图为策略生成密集教师目标，实验证明该方法在模拟保真度和复现生产策略效果方面均表现最优。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.30932)