Interplay：面向无参考对话推荐训练独立模拟器

训练对话推荐系统（CRS）需要大量对话数据，而大规模收集颇具挑战。为此，研究者使用了模拟的用户—推荐者对话。传统模拟方法通常利用单个大语言模型（LLM）在预先知晓目标物品的情况下生成完整对话，导致对话脚本化且不自然。我们提出一个无参考模拟框架，训练两个独立的 LLM，一个扮演用户，一个扮演对话推荐者。这些模型实时交互，无法访问预定的目标物品，但可获取偏好摘要与目标属性，从而使推荐者能够通过对话真正推断用户偏好。该方法产生更真实、多样的对话，贴近真实的人机交互。我们的无参考模拟器在质量上匹敌或超越现有方法，同时为生成高质量对话推荐数据提供了可扩展的解决方案，且不将对话约束于预定义的目标物品。我们进行了定量与人工评估以确认无参考方法的有效性。