迈向多模态大语言模型时代的智能体推荐系统
人工智能
2025-03-24 v1 信息检索
摘要
大语言模型（LLM）的最新突破催生了超越独立模型能力的智能体AI系统。通过赋予LLM感知外部环境、整合多模态信息和与各种工具交互的能力，这些智能体系统在复杂任务中展现出更强的自主性和适应性。这一演变为推荐系统（RS）带来了新机遇：基于LLM的智能体推荐系统（LLM-ARS）可以提供更具交互性、上下文感知和主动性的推荐，可能重塑用户体验并拓宽RS的应用范围。尽管已有前景可期的早期结果，但仍存在根本性挑战，包括如何有效整合外部知识、平衡自主性与可控性，以及在动态多模态环境中评估性能。在本篇观点论文中，我们首先对LLM-ARS进行系统分析：（1）阐明核心概念和架构；（2）突出智能体能力——如规划、记忆和多模态推理——如何提升推荐质量；（3）概述安全、效率和终身个性化等领域的关键研究问题。我们还讨论了开放问题和未来方向，认为LLM-ARS将推动推荐系统创新的下一波浪潮。最终，我们预见向更智能、自主和协作的推荐体验的范式转变，这些体验更紧密地契合用户不断演变的需求和复杂的决策过程。
引用
@article{arxiv.2503.16734,
title = {Towards Agentic Recommender Systems in the Era of Multimodal Large Language Models},
author = {Chengkai Huang and Junda Wu and Yu Xia and Zixu Yu and Ruhan Wang and Tong Yu and Ruiyi Zhang and Ryan A. Rossi and Branislav Kveton and Dongruo Zhou and Julian McAuley and Lina Yao},
journal= {arXiv preprint arXiv:2503.16734},
year = {2025}
}