Microsoft 开源 UserRepGen-4B（MIT）：从多轮对话生成用户画像，供用户模拟器使用，保真度评分 4.95 对 GPT-5.5 的 3.90
它不扮演用户，而是从一段对话里提炼出「这个用户要做什么、怎么说话」，再交给另一个模型去模拟这个用户。
// 要点
- 基于 Qwen3.5-4B，用 rank-64 LoRA 做在线监督微调；输入为纯文本英文多轮对话，输出含 task 和 user_behavior 两个字段的 JSON。
- 在 1 到 10 分的模拟保真度评测上，best-of-1 / best-of-3 得分为 4.95 / 6.02，GPT-5.5 为 3.90 / 4.90，Qwen3.5-4B 基座为 3.41 / 4.42。
- 行为描述用于同一用户再识别时准确率为 51.02%（随机为 25%）；模型卡明确提示这些画像不是匿名数据，画像、监控和重大决策不在适用范围内。
开发者视角智能面试最难测的是「各种各样的候选人」，这个模型正好能把真实对话变成可复用的模拟用户。我会在脱敏后的面试记录上试一下，生成一批不同风格的模拟候选人做回归测试；但它的再识别能力说明画像本身就是敏感数据，只能在内部测试环境里用，不能和简历放在一起存。