HARPO：用于用户对齐会话推荐的分层代理推理

会话推荐系统（CRS）在增量偏好揭示下运行，需要在不确定的情况下做出推荐决策。虽然最近基于 LLM 的方法在 Recall@K 和 BLEU 等代理指标上取得了强大的性能，但它们在实践中往往无法提供高质量、用户一致的推荐，因为它们优化了中间目标，如检索准确性或流畅的生成，而不是推荐质量本身。我们提出了 HARPO（具有偏好优化的分层代理推理），这是一种代理框架，它将会话推荐重新构建为针对多维推荐质量优化的结构化决策过程。 HARPO 集成了 (i) 分层偏好学习，将推荐质量分解为可解释的维度（相关性、多样性、满意度和参与度）以及上下文相关的权重； (ii) 由学习价值网络引导的审慎树搜索推理，评估候选路径的预测质量； (iii) 通过虚拟工具操作和多代理细化进行与领域无关的推理抽象。我们对 ReDial、INSPIRED 和 MUSE 上的 HARPO 进行了评估，证明了以推荐为中心的指标相对于强大基线的持续改进，同时保持了有竞争力的响应质量。