Collab-REC：面向旅游推荐的基于 LLM 的智能体框架以平衡推荐
人工智能
2026-03-03 v4
摘要
我们提出 Collab-REC，一个旨在对抗流行度偏差并增强旅游推荐多样性的多智能体框架。在我们的设置中，三个基于 LLM 的智能体——个性化（Personalization）、流行度（Popularity）和可持续性（Sustainability）——从互补视角生成城市建议。随后，一个非 LLM 调节者通过多轮协商合并并优化这些提案，确保每个智能体的观点都被纳入，同时惩罚虚假或重复的响应。在使用不同规模和模型家族的 LLM 对欧洲城市查询进行的广泛实验中，Collab-REC 相比单智能体基线增强了多样性和整体相关性，揭示了常被忽视的较少游客到访的地点。这种平衡的、上下文感知的方法解决了过度旅游问题，并更好地契合用户提供的约束条件，突显了多利益相关方协作在基于 LLM 的推荐系统中的前景。代码、数据和其他资源可在以下地址获取：https://github.com/ashmibanerjee/collab-rec，提示词见附录。
引用
@article{arxiv.2508.15030,
title = {Collab-REC: An LLM-based Agentic Framework for Balancing Recommendations in Tourism},
author = {Ashmi Banerjee and Adithi Satish and Fitri Nur Aisyah and Wolfgang Wörndl and Yashar Deldjoo},
journal= {arXiv preprint arXiv:2508.15030},
year = {2026}
}