什么值得买App下载 App ›
连续签到专享现金活动

人大&京东:主动分析搜取证据的推荐Agent

在现有的推荐系统中,传统方法通常依赖固定流程或有限信息进行排序,往往难以应对用户画像不完整、物品信息稀疏等真实场景中的复杂问题。尽管近年来大语言模型(LLM)被引入该领域,但多数方法仍停留在被动利用已有信息的阶段。针对这一痛点,中国人民大学与京东的研究团队提出了RecThinker框架。这是一种能够主动分析信息缺口并调用工具获取证据的推荐Agent框架,旨在将推荐逻辑从“被动计算”转变为“主动调查式推理”,从而显著提升推荐质量。
01核心框架:Agent-as-Investigator
RecThinker框架将推荐系统中的Agent升级为“调查者”。与仅依赖已有数据进行排序的传统系统不同,该系统会主动分析任务目标,识别信息的不足之处,并动态调用外部工具来获取用户、物品或协同信息。这种范式转变使得推荐过程具备了类似调查的主动性与针对性。
02推理流程:Analyze–Plan–Act
  1. Analyze(分析)
    系统首先分析当前掌握的用户信息与物品信息是否充足,识别出存在的信息缺口。
  2. Plan(规划)
    基于分析结果,系统规划需要调用的具体工具,以补全缺失的关键信息。
  3. Act(执行)
    执行规划的工具调用,获取新的信息数据。通过多轮推理循环,逐步缩小信息缺口,最终生成精准的推荐结果。
03工具系统与获取策略
  • 三类专用推荐工具
    作者设计了专门的工具集支持Agent推理,包括:用户侧工具(用户画像检索、历史行为检索)、物品侧工具(物品元数据和关系图检索)以及协同工具(相似用户搜索、知识图谱路径检索)。
  • 渐进式信息获取策略
    RecThinker并非一次性调用全部工具,而是根据推理状态逐步获取信息。例如,先查询用户画像,再查询候选物品属性,最后引入协同信息。这种策略旨在减少冗余查询,提升整体效率。
04训练策略:SFT + RL
RecThinker采用两阶段自增强训练流程。第一阶段(SFT)使用高质量推理轨迹进行监督微调;第二阶段(RL)通过强化学习优化推荐准确率与工具调用效率。其奖励函数综合考量了推荐准确性、输出格式规范和工具使用次数。
05实验效果
数据集指标性能提升
Amazon CDNDCG@10约 7.6%–11.7%
MovieLensNDCG@10显著提升

RecThinker在主流数据集上的性能表现

实验结果表明,主动信息获取和多步推理机制能够明显提升推荐效果。RecThinker在Amazon CD与MovieLens数据集上的NDCG@10指标相比最强基线提升了约7.6%–11.7%,验证了“主动调查式推理”范式的有效性。

评论

评论区空态插画

当前文章无评论,是时候发表评论了