面向多轮交互的生成推荐适配

生成推荐器从用户的交互历史记录中解码项目，但无法为用户提供纠正偏离其当前意图的推荐的方法。添加对话是很自然的，因为项目和单词共享相同的输出空间，但要进行对话的模型训练可能会覆盖它所依赖的历史到项目的映射。我们引入了 INTEGER（**INTE**ractive **GE**nerative **R**ecommendation），它将生成推荐扩展到与学习路由 token 的多轮交互，让模型决定何时推荐，历史重新锚定以过去的行为和对话为条件调节每个项目，并通过指令数据排练进行行为重放，以防止适应过程中的遗忘。因此，用户可以在对话中对建议提供反馈，而建议仍然基于行为历史记录，并且准确性不会以流畅性为代价。在 Amazon Beauty and Toys 上，INTEGER 在准确性和竞争性对话质量方面达到或超过了最强基线，将 Amazon Beauty 上的 Hit@10 提高了 13.3%，并且显着优于其起始的生成推荐器。我们的分析表明，INTEGER 能够学习幼稚适应无法获得的行为，一旦用户意图明确就会进行推荐，并在推荐时关注行为历史记录。 INTEGER 还学习了项目空间上与意图无关的替换，这会抑制被拒绝的项目，但下一步将指向属性感知反馈。