PersonaTrace：使用LLM智能体合成逼真的数字足迹
计算与语言
2026-03-13 v1
摘要
数字足迹（个人与数字系统交互的记录）对于研究行为、开发个性化应用和训练机器学习模型至关重要。然而，这一领域的研究常常因缺乏多样化和可访问的数据而受阻。为了解决这一局限性，我们提出了一种使用大语言模型（LLM）智能体合成逼真数字足迹的新方法。从结构化的用户画像开始，我们的方法生成多样且合理的用户事件序列，最终产生相应的数字工件，如电子邮件、消息、日历条目、提醒等。内在评估结果表明，生成的数据集比现有基线更多样化和逼真。此外，在我们的合成数据上微调的模型在真实世界分布外任务上的评估中优于在其他合成数据集上训练的模型。
引用
@article{arxiv.2603.11955,
title = {PersonaTrace: Synthesizing Realistic Digital Footprints with LLM Agents},
author = {Minjia Wang and Yunfeng Wang and Xiao Ma and Dexin Lv and Qifan Guo and Lynn Zheng and Benliang Wang and Lei Wang and Jiannan Li and Yongwei Xing and David Xu and Zheng Sun},
journal= {arXiv preprint arXiv:2603.11955},
year = {2026}
}
备注
EACL 2026 Industry Track