研究人员开发了E-GenRM,这是一种专门为开放式电子商务购物代理设计的生成式奖励模型。该模型从用户行为数据中学习,以创建多样化的对话轨迹,并通过标准引导的强化学习进行优化。E-GenRM旨在通过奖励准确的偏好判断和事实支持的声明来提高代理性能,并包含一个主动证据检索扩展。在测试中,E-GenRM-27B实现了很高的偏好准确率,并在淘宝的一次A/B测试中,显著提高了购物协助率和用户满意度。 AI
影响 这种新的奖励建模方法可以增强AI购物助手的能力,从而带来更有效和令人满意的用户体验。
排序理由 该集群包含一篇详细介绍新模型和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →