arXiv cs.MA· Rena Gao, Yue Dai, Hao Guan, Shengxiang Gao, Wangyang Wu, Yixin Shen, Jey Han Lau·· 9 天前AI 评分24
个性化很重要：在线购物中基于用户中心信息的长程对话智能体
Personalization Matters: Long-Horizon Conversation Agent with User-Centric Information in Online Shopping Interactions
AI 导读
研究者提出一个多智能体、多模态 RAG 框架，将对话状态跟踪、推荐检索、偏好感知推理与回复生成解耦，并融合商品元数据、评论、图像描述和用户历史评论。
正文 · AI 翻译
摘要：个性化对话式购物需要在多轮交互中保持偏好一致性，用户会在交互过程中逐步透露约束条件。现有方法通常依赖静态画像，且未显式控制长时程交互行为。我们提出一个多智能体、多模态的检索增强生成（RAG）框架，将对话状态跟踪、推荐检索、偏好感知推理和回复生成进行分解，同时整合产品元数据、产品评论、图像衍生描述和用户历史评论。为评估交互层面的质量，我们采用轨迹级协议，包含四个维度：全局偏好一致性、累积信息综合、交互轨迹和语气一致性。在 Amazon Reviews 2023 基准上，启用检索的变体在自动轨迹指标上优于无 RAG 基线（平均 4.82 对 3.74）。在一项小型真实用户研究（$n{=}5$）中，完整变体取得最高的平均总体评分（4.60 对基线的 2.20），提供了探索性证据，表明角色分解加上以用户为中心的检索可提升感知个性化。\footnote{代码和数据集可在以下网址获取：this https URL
| Comments: | 已被 AACL-IJCNLP 2026 接收 |
| Subjects: | 多智能体系统（cs.MA） |
| Cite as: | arXiv:2610.11375 [cs.MA] |
| （或 arXiv:2610.11375v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11375 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yue Dai [查看电子邮件]
[v1]
2026年10月8日星期四 07:07:39 UTC（22,579 KB）
来源：arXiv cs.MA · arxiv.org