CogRec：一种融合大语言模型与Soar的认知推荐智能体，用于可解释推荐
人工智能
2026-01-01 v1 信息检索
摘要
大语言模型（LLM）在理解推荐系统的用户偏好方面展现了卓越的能力。然而，它们受到若干关键挑战的制约，包括其固有的“黑箱”特性、易产生知识幻觉以及有限的在线学习能力。这些因素损害了其可信度和适应性。相反，像Soar这样的认知架构提供了结构化且可解释的推理过程，但其知识获取过程极为繁琐。为解决这些互补性挑战，我们提出了一种名为CogRec的新型认知推荐智能体，它融合了LLM的优势与Soar认知架构。CogRec利用Soar作为其核心符号推理引擎，并利用LLM进行知识初始化，用产生式规则填充其工作记忆。该智能体遵循感知-认知-行动（PCA）循环运行。当遇到僵局时，它会动态查询LLM以获得推理解决方案。该解决方案随后通过Soar的组块机制转化为新的符号产生式规则，从而实现稳健的在线学习。这种学习范式使智能体能够持续进化其知识库，并为其推荐提供高度可解释的理由。在三个公开数据集上进行的大量评估表明，CogRec在推荐准确性、可解释性以及解决长尾问题的有效性方面展现出显著优势。
引用
@article{arxiv.2512.24113,
title = {CogRec: A Cognitive Recommender Agent Fusing Large Language Models and Soar for Explainable Recommendation},
author = {Jiaxin Hu and Tao Wang and Bingsan Yang and Hongrun Wang},
journal= {arXiv preprint arXiv:2512.24113},
year = {2026}
}
备注
9 pages, 6 figures