Agent4POI：基于情境条件的多模态POI affordance 推理智能体
信息检索
2026-05-18 v1 人工智能
多智能体系统
摘要
我们提出Agent4POI，首个在推荐时生成情境条件化多模态表示的POI推荐框架，而非依赖独立于情境的静态POI嵌入。现有多模态系统对每个POI仅编码一次静态嵌入，无法推理：同一咖啡馆在周一适合独自工作，周五晚上却适合团聚庆祝。我们形式化证明，无预计算编码器在标准双线性评分下即可满足情境敏感排序，动机在于推理时动态生成表示。Agent4POI逆向此计算：给定情境，四阶段LLM智能体生成动态情境特定affordance查询（阶段1），并执行五步跨模态链式思考，穿越图像、评论与元数据证据（阶段2）。得到的uncertainty-aware affordance 表示基于 Gibsonian affordance 理论 grounding。这些跨模态 verdict 形成结构化、uncertainty 调整后的affordance 表示（阶段3），通过语义缓存系统与用户偏好对齐，实现低延迟排序（阶段4）。在三个POI基准及三个评估配置（标准、冷启动、情境迁移）下，Agent4POI相较最强基线实现23.2%相对提升，情境迁移场景下仅劣化7.5%，而最强基线劣化16-17%。冷启动场景下，Agent4POI对最优内容基线提升最高达2.4倍，而基于ID的方法无法泛化。
引用
@article{arxiv.2605.15203,
title = {Agent4POI: Agentic Context-Conditioned Affordance Reasoning for Multimodal Point-of-Interest Recommendation},
author = {Jinze Wang and Yangchen Zeng and Tiehua Zhang and Lu Zhang and Yuze Liu and Yongchao Liu and Xingjun Ma and Zhu Sun},
journal= {arXiv preprint arXiv:2605.15203},
year = {2026}
}