摘要
针对现有基于大语言模型(LLM)的代理存在幻觉及上下文长度限制,难以胜任全排序推荐任务的问题,本文提出 PRTA 框架。该架构将 LLM 作为中央规划器,与多个传统推荐模型交互,后者作为工具执行全排序评分。LLM 负责高层推理及个性化的工具选择,并通过设计的反思机制,基于用户画像和候选列表评估比较不同工具。实验表明,该方法在提升全排序推荐性能方面优于传统方法及现有 LLM 基线。
AI 推荐理由
论文核心在于 Agent 如何根据用户画像个性化地选择和调用推荐模型作为工具,属于典型的技能学习与工具使用研究。
研究机构
Univ. of Illinois Chicago
Chicago, IL, USA
Microsoft
Mountain View, USA
Beihang University
Innovation Institute of BUAA
Beijing & Hangzhou, China
论文信息