arXiv · cs.AI · Imad Aouali, Flavian Vasile, Clijo Jose, Otmane Sakhi, Alexandre Gilotte, Benjamin Heymann · 6 小时前模型评分40
RecoAtlas：面向 大语言模型（LLM，Large Language Model） 推荐智能体的集合级效用基准与强化学习环境
RecoAtlas: A Benchmark and RL Environment for LLM Recommendation Agents Optimizing Set-Level Utility
导读
研究者发布 RecoAtlas，一个基于用户行为的基准与强化学习环境，用于评估和训练 大语言模型（LLM，Large Language Model） 推荐智能体生成集合级效用的结构化推荐报告。该环境提供商品检索、互补性与多样性工具，并训练捆绑级奖励为强化学习策略优化提供反馈。实验显示性能随模型容量与测试时计算量提升，且语义合理性并不必然转化为行为层面的效用。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：ai-tooling，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：零售与营销
事件类型：研究发布
证据摘录
- “We introduce Recommender Atlas (Agentic Tasks for Learning and Assessment in Shopping), or RecoAtlas, a benchmark and reinforcement learning environment grounded in user behavior.”
来源：arXiv · cs.AI · arxiv.org