MemRerank框架通过偏好记忆增强LLM购物代理

研究人员开发了MemRerank，一个旨在改进基于LLM的购物代理中个性化产品重排的新颖框架。该系统将用户广泛的购买历史提炼成简洁、与查询无关的信号，解决了原始历史记录中常见的噪声和相关性不匹配问题。MemRerank使用一个通过强化学习训练的记忆提取器，在准确性方面显示出显著的改进，实验表明在1选5的任务中比基线方法提高了高达10.61个绝对点。 AI

影响 通过优化购买历史的使用方式，提高了电子商务LLM代理的个性化水平。

排序理由 详细介绍LLM个性化新框架和基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• MemRerank
• ScienceCast
• Zhiyuan Peng

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →