AtomRec：持续更新原子协作记忆的智能体推荐

代理推荐系统使用 大语言模型 来维护语义记忆并支持证据感知推荐。然而，现有的记忆机制通常将用户和项目信息压缩为粗略摘要，并将它们与标量协作链接连接起来，这使得随着用户兴趣的发展很难保留细粒度的偏好阶段或检索可解释的证据。我们提出 \textsc{AtomRec}，一种具有不断发展的原子协作记忆的代理推荐器。 \textsc{AtomRec} 将用户和项目记忆表示为结构化原子单元，在相关记忆之间建立语义链接，并在新交互到来时演化相关历史字段。在推荐过程中，它以多跳证据路径而不是孤立的邻居摘要的形式检索链接的记忆，从而允许协作信号支持有证据依据的排序。对四个公共基准的实验表明，\textsc{AtomRec} 始终优于最先进的代理和内存增强基线，各个指标的平均相对改进约为 8.5\%。