MATCHA: การทำงานร่วมกันของหลายตัวแทนสามารถสร้างระบบแนะนำสนทนาที่น่าเชื่อถือได้หรือไม่?
Author
Venue
ICML MAS
Abstract
ในบทความนี้ เราเสนอเฟรมเวิร์กการร่วมมือแบบหลายตัวแทนที่เรียกว่า MATCHA สำหรับระบบแนะนำการสนทนา โดยใช้ประโยชน์จากโมเดลภาษาขนาดใหญ่ (LLMs) เพื่อเพิ่มการปรับแต่งให้เหมาะกับบุคคลและการมีส่วนร่วมของผู้ใช้ ผู้ใช้สามารถขอคำแนะนำผ่านข้อความในรูปแบบอิสระและได้รับรายการที่คัดสรรให้สอดคล้องกับความสนใจ ความชอบ และข้อจำกัดของพวกเขา ระบบของเราแนะนำตัวแทนเฉพาะทางสำหรับการวิเคราะห์เจตนา การสร้างผู้สมัคร การจัดอันดับ การจัดอันดับใหม่ การอธิบายได้ และการป้องกัน ตัวแทนเหล่านี้ทำงานร่วมกันเพื่อปรับปรุงความแม่นยำ ความหลากหลาย และความปลอดภัยของคำแนะนำ บนแปดตัวชี้วัด แบบจำลองของเราสามารถทำผลงานได้เหนือกว่าหรือเทียบเคียงกับมาตรฐานที่ดีที่สุดในปัจจุบัน ผ่านการเปรียบเทียบกับแบบจำลองฐานหกแบบ แนวทางของเราสามารถแก้ไขปัญหาสำคัญในระบบแนะนำการสนทนาสำหรับการแนะนำเกมได้แก่: (1) การจัดการคำขอที่ซับซ้อนและเฉพาะบุคคล, (2) การเพิ่มการปรับแต่งให้เหมาะกับผู้ใช้ผ่านการร่วมมือของตัวแทนหลายตัว, (3) การประเมินผลเชิงประจักษ์และการนำไปใช้, และ (4) การรับประกันการโต้ตอบที่ปลอดภัยและน่าเชื่อถือ
