ReasonRec：用于统一推荐的推理增强多模式代理

多模式推荐器的最新进展擅长特征融合，但决策者仍然不透明且效率低下，缺乏明确的推理和对不确定性的自我意识。我们引入 ReasonRec，这是一种围绕三阶段显式推理管道构建的推理增强多模式代理。具体来说，我们提出了一种推理感知视觉指令调整策略，系统地将不同的推荐任务转换为统一的 CoT 提示，使 VLM 能够明确地阐明中间决策步骤。此外，我们的证据视野课程逐步提高推理复杂性，以更好地处理冷启动和长尾用户场景，显着提高模型泛化能力。此外，不确定性引导的委托机制使代理能够评估自己的信心，战略性地分配计算资源以优化推荐准确性和推理效率。对五个真实世界数据集的四个标准推荐任务的综合实验表明，与最先进的多模式推荐器相比，ReasonRec 在关键排名指标方面实现了 30% 以上的相对改进。至关重要的是，ReasonRec 通过动态地将多达 35% 的查询委托给高效的子模型，从而在不影响准确性的情况下显着减少推理延迟。广泛的消融研究进一步证实，每个提出的推理和规划机制都对 ReasonRec 的整体有效性做出了巨大贡献。总的来说，我们的结果阐明了通过显式推理和代理设计实现可解释、自适应和高效多模式推荐的清晰途径。