ClawRec：Claw 原生推荐系统

推荐系统已成为现代数字生态系统不可或缺的一部分。然而，大多数已部署的系统仍然局限于单一平台边界内，观察局部交互痕迹并对孤立的候选空间中的项目进行排名。这种设计不太适合通过搜索、内容消费和跨多个信息源的比较来展开的现实世界任务。爪式个人代理能够持续访问授权的跨平台上下文，为围绕用户而不是任何单一平台进行推荐创造了机会。在本文中，我们介绍了 Claw-native 推荐系统，这是一种超越平台本地排名的新范式，可以生成跨越不同来源和内容形式的统一、互补的推荐板。为了实例化这个范例，我们提出了 ClawRec，这是第一个设计用于在这个环境中本地运行的推荐系统。 ClawRec 维护一个与证据相关的、临时结构化的用户状态，将跨平台行为与跨源推荐联系起来。它围绕功能源角色组织检索，并根据候选者的边际效用选择候选者，从而生成与用户的活动任务一致的非冗余板岩。为了进行严格的评估，我们引入了 ClawRec-SimBench，这是一个根据具体生活事件序列和跨平台行为轨迹构建的基准。实验表明，ClawRec 的性能优于最强的基线，实现了 0.6134 (+0.1126) 的 NDCG@20 和 0.6944 (+0.0854) 的 Hit@20，同时还提高了用户状态质量和时间对齐。我们的代码和数据集可在 https://github.com/RUCAIBox/ClawRec 获取。