Zhiyuan Peng

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。