HARP：面向LLM推荐的无训练双画像智能体通信

HARP以无训练双画像补全LLM推荐通信环节，报告Hit@1显著提升。

资讯摘要

论文将LLM推荐重构为四阶段智能体通信过程，指出物品侧缺少自描述、画像信号仅进入带宽受限的重排提示、用户描述预热后冻结三项问题。作者提出HARP，在冻结LLM主干上以三个无训练算子补全缺失阶段，并在四个公开基准上报告Hit@1较最强已发表基线提升6.9%–24.0%。

要点速读

1. 论文提出HARP，包含规则提取的对称物品画像、检索时使用的画像级同质性H(phi_u, phi_i)以及单次反思式画像更新三个算子。
2. 在Yelp、Books、MovieTV、Goodreads四个公开基准上，作者报告Hit@1较最强已发表基线提升6.9%–24.0%，各数据集Holm校正后p<1e-9。
3. 消融与逐案例归因显示各算子贡献互补，检索侧门控是主要增益来源，论文同时报告反思步骤带来的权衡。

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。