论文提出基于用户行为的推荐智能体基准与RL环境 RecoAtlas。
资讯摘要
论文提出 RecoAtlas，一个基于用户行为的基准与强化学习环境，用于评估和训练 LLM 购物推荐智能体。智能体借助商品检索、互补性与多样性工具，针对购物查询生成结构化推荐报告；行为参考集支持精确恢复评估，并用于训练 bundle 级奖励以进行策略优化。作者报告，在受控实验中性能随模型容量与测试时计算量提升，更强工具也带来改善，而语义合理性未必转化为行为层面的效用。
要点速读
- RecoAtlas 提供商品检索、互补性和多样性工具，智能体据此生成结构化推荐报告。
- 行为参考集支持精确恢复评估，并用于训练 bundle 级奖励，为 RL 策略优化提供反馈。
- 作者报告性能随模型容量和测试时计算量提升，更强工具也带来改善；语义合理性不一定对应行为层面的效用。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。