基于大语言模型代理的双流自适应领导识别：用于群体推荐的 DALI 框架

群体推荐系统在从休闲活动到组织团队建设等各种情境中支持集体决策方面发挥着关键作用。现有的群体推荐方法通常要么使用手工聚合规则（如均值、least misery、加权求和），要么使用神经网络聚合模型（如注意力机制深度学习框架），但两者都不足以区分领导者主导型和协作型群体，并在单一成员对群体选择产生过大影响时往往不能真实反映群体偏好。为此，我们提出了 Dual-stream Adaptive Leadership Identification（DALI）框架，独特地将大语言模型（LLM）的符号推理能力与神经网络表示学习相结合。具体而言，DALI 引入了两个关键创新：一个动态规则生成模块，通过迭代性能反馈自主制定和演化识别规则，以及一种神经符号聚合机制，同时运用符号推理稳健识别领导型群体和基于注意力的神经聚合准确建模协作型群体动态。在 Mafengwo 旅游数据集上的实验表明，DALI 在与现有框架相比显著提高了推荐准确度，凸显了其在复杂现实世界群体决策环境中动态适应能力。