マイクロソフトが開発した「UserLM-8b」：会話シミュレーションに特化したユーザー役AIモデルが登場

マイクロソフトが開発した「UserLM-8b」は、従来のAIアシスタントモデルとは異なり、「ユーザー」の役割を模倣するように訓練された言語モデルである。通常のLLMが「アシスタント」としての対話を学ぶのに対し、UserLM-8bは大量の会話データ「WildChat」を用いて、ユーザーの発話（ユーザーの意図や会話の流れに応じた発言）を予測する能力を学習している。このモデルは、高レベルの「タスク意図」を入力として受け取り、会話の最初の発言を生成し、その後のやり取りに応じて継続的な発言を提示し、会話終了を示すトークンを出力する。主な用途は、AIアシスタントの性能をより現実的な状況で評価するためのユーザーシミュレーション環境の構築である。 開発はマイクロソフト研究（MSR）のTarek Naous（2025年夏インターン）、Philippe Laban、Wei Xu、Jennifer Nevilleらが担当。モデルはLlama3-8bをベースに、全パラメータのファインチューニングで訓練され、4枚のRTX A6000 GPUで約227時間かけて学習。評価では、従来のアシスタントモデルを用いたシミュレーションや他のユーザーモデルと比較し、会話の自然さ、意図の維持、情報の分散、会話の終了判断などにおいて優れた性能を示した。特に、数学問題解決やPythonコード作成といったタスクにおけるシミュレーションでは、より多様な会話スタイルとより厳しい評価条件を提供し、アシスタントモデルの限界をより正確に可視化できることが確認された。 ただし、UserLM-8bは「ユーザー」の役割を想定しており、実際の作業支援には向かない。また、訓練データに含まれるバイアスや誤りがモデルに反映され、意図しない「ハルシネーション」（事実の捏造）が発生する可能性がある。英語以外の言語では性能が不安定になるため、多言語利用には注意が必要。本モデルは研究目的でのみ提供されており、商業利用や実世界への導入は推奨されていない。 開発チームは、生成時の制御を強化するためのガードレール（初出トークンのフィルタリング、会話終了の回避、長さ制限、繰り返しの排除など）を提案しており、ユーザーはこれらの設定を適応して活用すべきと勧めている。詳細はarXiv論文（2510.06552）に掲載。