近期,实验室博士生舒钰博作为第一作者的论文“rah! recsys-assistant-human: a human-centered recommendation framework with llm agents”被ieee tcss期刊录用并发表。该论文聚焦人智协同推荐(human-ai cooperative recommender systems)场景中以人为中心的挑战,提出了包含推荐系统、助手和人(rah)的框架,采用了基于大语言模型(llm)的智能体(感知、学习、行动、评判和反思智能体),强调与用户个性的对齐。该框架利用学习-行动-评判循环和反思机制来优化与个人用户的对齐程度。通过在真实推荐数据进行实验,展示了rah框架在减少用户负担、减轻偏见和增强用户控制等方面的有效性。
该研究成果在中国强化学习社区大会rlchina’23、 国际万维网大会www’ 24的两个tutorial中进行了报告展示(tutorial的主题分别是“simulating human society with large language model agents: city, social media, and economic system”和“large language model powered agents in the web”)。
rah框架中个人助手由多个智能体构成(a,b,c,d,e),并且多智能体之间具有协作机制(f)
论文链接:
代码链接:
评论 0