Recon：用于用户建模的重构引导推理合成

用户建模旨在利用语言模型模仿个体行为。现有方法常通过合成推理轨迹来增强数据，但这往往是事后合理化而非真实推理。本文提出 Recon 方法，利用动作重构来评估推理轨迹的预测能力：给定上下文和候选推理，重构模型预测动作，其重构 fidelity 决定推理质量。实验表明，Recon 在四个领域优于标准基线，且基于其奖励训练的模型显著提升了下游用户建模性能，证明了事后合理化的局限性及有效推理应自然导出动作。