Recommender Systems Tool Learning LLM Agents Personalization
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
作者 Mingdai Yang, Zhiwei Liu, Weizhi Zhang, Yibo Wang, Hao Peng et al.
发布日期 2026-07-22
arXiv ID 2607.19739
相关性评分 9/10 (高度相关)