CreAgent：基于平台-创作者信息不对称下的长期推荐系统评估
信息检索
2025-02-12 v1
摘要
确保推荐系统（RS）的长期可持续性成为关键议题。传统的RS离线评估方法通常聚焦于即时用户反馈（如点击），但往往忽视内容创作者的长期影响。在真实内容平台上，创作者可根据用户反馈和偏好趋势战略性地生产和上传新内容。虽然已有研究尝试建模创作者行为，但常常忽视信息不对称的作用——创作者主要获取其生产内容的反馈，而平台则掌握全部用户反馈数据。现有RS模拟器未能考虑此不对称，导致长期评估不准。为填补此空白，我们提出CreAgent，一种受大语言模型（LLM）驱动的创作者仿真代理。通过融入博弈论的信念机制和快速-缓慢思考框架，CreAgent有效模拟信息不对称下的创作者行为。此外，我们通过使用近端策略优化（PPO）进行微调，提升CreAgent的仿真能力。可信度验证实验表明，CreAgent与真实平台和创作者之间的行为高度一致，从而提升了长期RS评估的可靠性。此外，通过包含CreAgent的RS仿真，我们可探讨公平性和多样性感知的RS算法对各利益相关者长期性能的贡献。CreAgent及其仿真平台已公开发布于 https://github.com/shawnye2000/CreAgent。
引用
@article{arxiv.2502.07307,
title = {CreAgent: Towards Long-Term Evaluation of Recommender System under Platform-Creator Information Asymmetry},
author = {Xiaopeng Ye and Chen Xu and Zhongxiang Sun and Jun Xu and Gang Wang and Zhenhua Dong and Ji-Rong Wen},
journal= {arXiv preprint arXiv:2502.07307},
year = {2025}
}