MemRerank：用于个性化产品重排序的偏好记忆

基于大语言的购物代理常依赖长购买历史进行个性化，但直接追加原始历史因噪声和长度问题效果不佳。本文提出 MemRerank，一种偏好记忆框架，将用户历史蒸馏为简洁、与查询无关的信号以优化产品重排序。我们构建了端到端基准，并通过强化学习训练记忆提取器。实验表明，该方法在多项指标上显著优于无记忆及原始历史基线，证明了显式偏好记忆在代理电商系统中的有效性。