推荐系统中的用户模拟器常因静态画像而失真。DGDPO框架通过创新的“诊断-治疗”双模块迭代机制，动态优化用户画像，并首次实现了与序列推荐模型的真实多轮交互，显著提升了模拟的保真度，为推荐系统的研发与评估提供了更可靠的工具。
智能速览
DGDPO是一个提升LLM用户模拟器仿真度的动态优化框架。
通过“诊断-治疗”双模块迭代修正静态用户画像的缺陷。
专用诊断LLM能精准识别画像缺陷，超越通用模型。
首次结合序列推荐模型，模拟真实的多轮交互演化。
在真实数据集上关键指标平均提升16%至18%。
精华内容
现有LLM用户模拟器为何效果不佳？关键在于静态画像与单轮交互的局限性。DGDPO框架正是为解决这两大痛点而生，其核心是一套精密的迭代优化机制，下面将深入剖析其工作原理与卓越成效。
痛点剖析
当前基于LLM的用户模拟器面临两大核心挑战。首先是用户画像的静态问题，初始通过Prompt生成的画像往往不准确或不完整，并且在后续模拟中无法得到修正，导致行为偏差持续累积。其次是交互模式的单一，多数模拟器仅支持单轮的“推荐-反馈”，无法模拟真实世界中用户偏好与推荐策略相互影响的动态演化过程。
专科诊断
为精准定位画像缺陷，DGDPO引入了专科医生般的诊断模块。该模块并未采用通用LLM进行自我反思，而是训练了一个经过领域数据预训练和特定缺陷微调的专用LLM。这个专用模型能够像专家一样，精确识别出用户画像中具体的问题类型，例如“信息不准确”或“信息缺失”，而非笼统的判断，为后续优化提供了清晰可靠的依据。
对症治疗
在获得精确诊断后，治疗模块开始发挥作用。该模块利用通用LLM强大的推理和生成能力，针对诊断出的具体缺陷，生成针对性的优化建议和操作指令。这些指令会直接作用于用户画像，对其进行动态、精细的修正。通过“诊断-治疗”的循环迭代，用户画像的保真度得以逐步提升，趋近于真实用户的复杂偏好。
多轮交互
DGDPO框架的一项重大突破在于，它首次将用户模拟器与序列推荐模型相结合，实现了真实的多轮交互。在这种模式下，模拟器根据推荐结果更新自身画像，而推荐模型也根据用户的新反馈调整策略。这种双向演化机制，使得模拟能够更真实地反映用户兴趣随时间的变迁以及推荐策略的适应过程。
成效验证
在ML-1M、Amazon Books和Amazon Movies & TV三个真实世界数据集上的实验充分验证了DGDPO的有效性。结果显示，其在精确率、召回率、准确率和F1值四项关键评估指标上，均全面超越了所有基线模型，实现了平均约16%至18%的相对性能提升。消融实验也证实，专用的诊断模块和多轮迭代优化是框架成功的两大关键因素。
DGDPO框架通过其创新的诊断与治疗迭代机制，成功解决了传统用户模拟器的核心瓶颈，为构建更逼真的推荐系统环境提供了坚实的技术路径。未来，这种动态优化的思想能否在更多复杂的人工智能模拟任务中发光发热？
