AgentSociety 挑战：面向 Web 平台的用户建模与推荐的 LLM 代理设计
信息检索
2025-02-27 v1 人工智能
摘要
AgentSociety 挑战是首个在 Web 大会上进行的竞赛，旨在探索大语言模型 (LLM) 代理在建模用户行为和提升 Web 平台推荐系统方面的潜力。该挑战包含两个轨道：用户建模轨道和推荐轨道。参赛者需要利用来自 Yelp、Amazon 和 Goodreads 的组合数据集，以及交互式环境模拟器，来开发创新的 LLM 代理。该挑战吸引了来自全球 295 支团队，并在 37 天的官方竞赛期间收到超过 1400 份提交。参赛者在开发阶段实现了 和 的性能提升，在最终阶段实现了 和 的提升，显示出显著的成就。本文讨论了该挑战的详细设计、结果分析，并突出显示最成功的 LLM 代理设计。为支持进一步的研究与开发，我们已在 https://tsinghua-fib-lab.github.io/AgentSocietyChallenge 上开源基准环境。
关键词
引用
@article{arxiv.2502.18754,
title = {AgentSociety Challenge: Designing LLM Agents for User Modeling and Recommendation on Web Platforms},
author = {Yuwei Yan and Yu Shang and Qingbin Zeng and Yu Li and Keyu Zhao and Zhiheng Zheng and Xuefei Ning and Tianji Wu and Shengen Yan and Yu Wang and Fengli Xu and Yong Li},
journal= {arXiv preprint arXiv:2502.18754},
year = {2025}
}
备注
8 pages, 10 figures, in Proceedings of the ACM Web Conference 2025 (WWW '25)