UserArena：面向长程购物智能体的交互式用户仿真基准

电商购物智能体的离线评测长期受限于缺乏真实长程轨迹及线上对照。UserArena 汇集了 1.1 万名用户的近 6.5 万条会话轨迹与 13 种交互行为，直接锚定生产级 A/B 测试结果展开五层评估。配套提出的在线轨迹蒸馏方法，试图在漫长交互中把离线仿真拉回真实买家的行为节奏。