Conversational Recommender Systems and natural language:
PulseAugur coverage of Conversational Recommender Systems and natural language: — every cluster mentioning Conversational Recommender Systems and natural language: across labs, papers, and developer communities, ranked by signal.
-
新的COPE框架动态引导对话式推荐系统中的用户偏好
研究人员开发了一个名为COPE（COnversational Preference Elicitation via Mixture of Experts，通过专家混合模型进行对话式偏好引导）的新框架，以改进对话式推荐系统。该系统根据对话的阶段动态调整其偏好引导策略。在对话早期，COPE倾向于基于属性的询问，而在后期则更受益于基于物品的策略。通过使用新创建的数据集InPE进行离线评估，证明了该方法的有效性，该数据集包含有关引导必要性和策…
-
新框架优化用于对话推荐系统的LLM用户模拟器
研究人员开发了一个新框架，用于自动优化对话推荐系统（CRS）中基于大型语言模型（LLM）的用户模拟器的提示词。该方法旨在通过生成合成用户交互来解决CRS评估和数据访问方面的挑战。所提出的框架试图缓解现有基于LLM的模拟器中常见的正向偏差、数据泄露和行为多样性有限等问题。实验表明，与当前基线技术相比，该方法提高了与人类交互模式的行为一致性。
-
新型模拟器AdaptSim增强对话推荐系统评估
研究人员开发了AdaptSim，这是一种新颖的用户模拟器，旨在改进对话推荐系统（CRSs）的评估。现有的基于LLM的模拟器在领域适应性和准确模拟用户偏好方面存在困难。AdaptSim通过自动提示调整和开放式动作机制解决了这些限制，增强了跨领域灵活性。它还采用受控文本生成和广度优先搜索框架，以实现更强大、更真实的对话模拟和系统评估。
-
新的TRACE基准评估值得信赖的旅游AI推荐
研究人员推出了TRACE，这是一个旨在评估旅游领域对话式推荐系统的新基准数据集。TRACE满足了系统不仅要推荐相关的兴趣点，还要提供来自评论的可验证证据，并能从用户拒绝中恢复的需求。该数据集包含横跨美国八个城市的10,000个对话，突显了当前系统在准确性、依据性和恢复性方面同时存在的不足。