推荐者生态系统建模：机制设计、强化学习与生成模型交叉处的研究挑战
人工智能
2023-09-25 v2 计算机科学与博弈论
人机交互
信息检索
机器学习
多智能体系统
摘要
现代推荐系统处于复杂生态系统的核心，该生态系统耦合了用户、内容提供者、广告主及其他参与者的行为。尽管如此，大多数推荐研究——以及任何具有影响力的实用推荐系统——的关注点都在于向个体用户所提供推荐的局部、短视优化。这给推荐系统本可为其用户产生的长期效用带来了显著代价。我们认为，若欲最大化系统为这些参与者带来的价值并改善整体生态系统“健康”，显式建模系统中所有参与者的激励与行为——以及由推荐策略所诱导的它们之间的交互——是严格必要的。这样做需要：使用强化学习等技术进行长视野优化；运用社会选择的方法在不同参与者可产生的效用间做出不可避免的权衡；借助机制设计的工具减少信息不对称，同时考量激励与策略性行为；通过引入行为经济学与心理学的概念更好地建模用户与条目提供者的行为；以及利用生成模型与基础模型的最新进展使这些机制可解释且可操作。我们提出一个涵盖上述要素的概念框架，并阐明了在不同学科交叉处涌现的若干研究挑战。
引用
@article{arxiv.2309.06375,
title = {Modeling Recommender Ecosystems: Research Challenges at the Intersection of Mechanism Design, Reinforcement Learning and Generative Models},
author = {Craig Boutilier and Martin Mladenov and Guy Tennenholtz},
journal= {arXiv preprint arXiv:2309.06375},
year = {2023}
}