MATCHA: ¿Puede la colaboración entre múltiples agentes crear un sistema de recomendación conversacional fiable?
Author
Venue
ICML MAS
Abstract
En este artículo, proponemos un marco de colaboración multiagente denominado MATCHA para sistemas de recomendación conversacional, que aprovecha los modelos de lenguaje a gran escala (LLM) para mejorar la personalización y la participación del usuario. Los usuarios pueden solicitar recomendaciones mediante texto libre y recibir listas seleccionadas que se ajustan a sus intereses, preferencias y limitaciones. Nuestro sistema introduce agentes especializados para el análisis de intenciones, la generación de candidatos, la clasificación, la reclasificación, la explicabilidad y las medidas de seguridad. Estos agentes mejoran de forma colaborativa la precisión, la diversidad y la seguridad de las recomendaciones. En ocho métricas, nuestro modelo alcanza un rendimiento superior o comparable al de los sistemas de vanguardia actuales. A través de comparaciones con seis modelos de referencia, nuestro enfoque aborda retos clave en los sistemas de recomendación conversacional para recomendaciones de juegos, incluyendo: (1) el manejo de solicitudes complejas y específicas del usuario, (2) la mejora de la personalización a través de la colaboración entre múltiples agentes, (3) la evaluación empírica y la implementación, y (4) la garantía de interacciones seguras y fiables.
