MATCHA: Dapatkah Kolaborasi Multi-Agen Membangun Sistem Rekomendasi Percakapan yang Dapat Dipercaya?
Author
Venue
ICML MAS
Abstract
Dalam makalah ini, kami mengusulkan kerangka kerja kolaborasi multi-agen yang disebut MATCHA untuk sistem rekomendasi percakapan, memanfaatkan model bahasa besar (LLMs) untuk meningkatkan personalisasi dan keterlibatan pengguna. Pengguna dapat meminta rekomendasi melalui teks bebas dan menerima daftar yang disesuaikan dengan minat, preferensi, dan batasan mereka. Sistem kami memperkenalkan agen khusus untuk analisis niat, pembangkitan kandidat, peringkat, peringkat ulang, keterjelaskan, dan pengamanan. Agen-agen ini secara kolaboratif meningkatkan akurasi, keragaman, dan keamanan rekomendasi. Pada delapan metrik, model kami mencapai kinerja yang lebih unggul atau setara dengan model terdepan saat ini. Melalui perbandingan dengan enam model dasar, pendekatan kami mengatasi tantangan utama dalam sistem rekomendasi percakapan untuk rekomendasi game, termasuk: (1) menangani permintaan yang kompleks dan spesifik pengguna, (2) meningkatkan personalisasi melalui kolaborasi multi-agen, (3) evaluasi empiris dan implementasi, serta (4) memastikan interaksi yang aman dan dapat dipercaya.
