RecMind: 大规模语言模型强力推荐智能体
原文中文,约300字,阅读约需1分钟。发表于: 。使用 Large Language Models (LLMs) 进行个性化推荐任务的研究,设计了一种基于 LLM 的自主推荐代理系统 RecMind,通过精心规划、利用外部知识工具和个人数据,以及提出的 Self-Inspiring 算法来改善规划能力,实现了准确的个性化推荐。实验证明 RecMind 在多种推荐场景下表现优异,超过了现有的零 / 少样本 LLM-based...
本文介绍了一种新颖的可进化的LLM智能体框架,名为REMEMBERER,具备长期记忆和利用过去经验的能力。通过引入具有经验记忆的强化学习(RLEM)来更新记忆,系统可以从成功和失败的经验中学习并提高能力。实验结果表明,REMEMBERER的平均结果超过了先前的SOTA 4%和2%,证明了其优越性和鲁棒性。