近期，實驗室博士生舒鈺博作為第一作者的論文“RAH! RecSys-Assistant-Human: A Human-Centered Recommendation Framework With LLM Agents”被IEEE TCSS期刊錄用并發(fā)表。該論文聚焦人智協(xié)同推薦（Human-AI Cooperative Recommender Systems）場景中以人為中心的挑戰(zhàn)，提出了包含推薦系統(tǒng)、助手和人（RAH）的框架，采用了基于大語言模型（LLM）的智能體（感知、學(xué)習(xí)、行動、評判和反思智能體），強調(diào)與用戶個性的對齊。該框架利用學(xué)習(xí)-行動-評判循環(huán)和反思機制來優(yōu)化與個人用戶的對齊程度。通過在真實推薦數(shù)據(jù)進行實驗，展示了RAH框架在減少用戶負擔(dān)、減輕偏見和增強用戶控制等方面的有效性。

該研究成果在中國強化學(xué)習(xí)社區(qū)大會RLChina’23、 國際萬維網(wǎng)大會WWW’ 24的兩個tutorial中進行了報告展示(Tutorial的主題分別是“Simulating Human Society with Large Language Model Agents: City, Social Media, and Economic System”和“Large Language Model Powered Agents in the Web”)。

RAH框架中個人助手由多個智能體構(gòu)成(a,b,c,d,e)，并且多智能體之間具有協(xié)作機制(f) 

論文鏈接：

https://arxiv.org/pdf/2308.09904

代碼鏈接：

https://github.com/TheRepoForRAH/RAH