ChatShop: 与语言代理商进行交互式信息搜索
原文中文，约300字，阅读约需1分钟。发表于：。我们使用网络购物任务作为示例，将其重新定义为一个信息检索任务，并引入购物者角色作为一个受限通信通道，以此来评估语言智能代理系统探索和积累信息的能力。我们的实验证明，该任务能够有效地评估代理系统通过多轮交互获取和积累信息的能力。同时，我们发现基于 LLM 模拟的购物者在错误模式方面与真实人类购物者存在相似性。
本文介绍了设计搜索代理的成功步骤，通过机器学习元策略迭代查询精细化。文章提出了一种新颖的方法，使用机器阅读辅助挑选查询结果的精炼术语，使代理能够对查询和搜索结果进行细粒度和透明的控制。通过自主学习和强化学习代理，实现了交互式搜索策略的学习。搜索代理使用传统的BM25排名函数和离散筛选操作，达到了与神经方法相当的检索和答案质量性能。
