Meta超级智能实验室发布用户模拟器MIMESIS。这款9B模型基于真人对话与13种真实用户行为模式训练，在行为保真度上比Claude Opus 5高出13.4分，用它训练出的智能体在未见过的用户模拟器上全面优于用GPT-5.5训练的版本。

问题出在常规做法上。大多数智能体强化学习会让现成的助手大模型扮演用户，结果模拟用户过于配合、表述过于明确，任务难度被人为压低。论文在τ-bench上验证：固定GPT-5.5智能体与真人交互成功率为63.6%，换成前沿API模拟用户后成功率直接升到82%以上。MIMESIS通过两阶段训练解决这一点：先在2100多万真人对话样本上做用户角色中期训练，再叠加ThoughtTrace推理监督与针对13种行为的联合强化学习，最后把模拟器冻结，作为多智能轮环境供智能体做GRPO训练。额外提出的CSD方法把模拟器私有思考与后续回复转成教练笔记，给智能体提供稠密监督。结果在八个环境、九个未见模拟器上，MIMESIS训练的智能体均值从26.1提升到31.1。

模拟用户一直是智能体训练的软肋，MIMESIS把“太好说话”的偏差显式纠正，方向正确。但13种行为模式仍是静态标签，真实用户会随对话动态调整策略，下一步若不能让模拟器本身具备适应性，训练收益可能很快触顶。