代理推荐系统的个性化沟通技巧

代理推荐系统越来越多地采用基于 大语言模型 的 UserAgents，在提供推荐之前通过模拟反馈来评估候选项目。然而，现有的UserAgent通常基于有限的个人历史进行孤立推理，这可能会导致视角狭窄：代理从局部和不完整的角度评估候选人，忽略相关的偏好方面，从而产生不准确的判断。缓解这个问题的一个自然方法是引入其他用户作为顾问代理，他们的不同历史提供补充证据，帮助目标用户重新考虑被忽视的偏好信号。然而，通用的用户-顾问沟通过程是不够的，因为不同的用户决策状态需要不同形式的外部建议。基于这一见解，我们提出了 AgentCom，一种用于代理推荐系统的个性化沟通技能框架。 AgentCom 将可重用的沟通技能组织成一个共享的“为什么-什么-如何-谁”技能库：为什么识别需要沟通的决策缺陷、指定信息任务的内容、如何确定顾问交互协议以及谁检索能够执行该协议的顾问。为了使共享技能库在使用时个性化并随着时间的推移而自适应，AgentCom 引入了两种互补机制：个性化技能路由和故障驱动技能演化。个性化技能路由通过为每个用户和推荐上下文顺序选择合适的技能来构建通信路径。失败驱动的技能演化从不成功的沟通案例中学习，并通过可重用的技能丰富共享银行，以满足以前未发现的沟通需求。实验表明，AgentCom 持续提高传统推荐器、社交推荐器和代理推荐器的推荐性能。