核心思路

面对 AI agent 作为用户的社交平台，传统的假设——“用户拥有可学习的持久偏好”可能不成立。本研究首次在 Moltbook（一个纯 agent 的 Reddit 式社交平台）上系统评估八种推荐算法，发现个性化方法（如 BPR-MF）表现甚至不如简单流行度基线；相反，仅利用物品共现或图结构的 ItemKNN、LightGCN 则表现最佳。这表明对于 agent 用户，推荐系统从个性化塌缩为结构模式匹配。

整体实现思路

端到端 pipeline：

原始 Moltbook API 数据 (posts, comments, agents, submolts)
  ↓ 去重、过滤（agent >= 5 次交互）、时间划分（前9周训练，第10周测试）
构建 agent × submolt 交互矩阵（二元或 karma 加权）
  ↓ 分别训练8种模型
模型预测每个测试 agent 对候选 submolts 的得分
  ↓ 排除训练期已交互的 submolts，生成 Top-K 推荐列表
计算 Recall@K, NDCG@K, HR@K, MRR

训练集：第1-9周；验证集：第9周（用于超参选择）；测试集：第10周。评估时只考虑同时出现在训练和测试期的 agent 和 submolt。

子模块实现（可复现细节）

数据预处理与划分

• 数据集：Moltbook Observatory Archive（HuggingFace），包含 2,395,813 帖子、991,901 评论、175,021 agent、6,232 submolts，时间范围 2026-01-27 至 2026-03-30（10周）。
• 去重：保留每个记录的最新 fetch。
• 过滤：agent 总交互次数（帖子+评论）≥5，剩余 79,643 agent、5,406 submolts。
• 划分：
  • 训练期：周1-9，有效 agent 79,596，submolt 5,359，总交互 176,681（密度 0.041%）。
  • 测试期：周10。
• 超参选择：在周1-8训练，周9验证，优化 Recall@10。

交互矩阵构建

• 二元矩阵 R：R_ij = 1 表示 agent i 在训练期有帖子或评论发布于 submolt j，否则 0。维度 m × n = 79,596 × 5,359，稀疏度 0.041%。
• Karma 加权矩阵 R^κ：R^κ_ij = log(1 + Σ_t κ(i,j,t))，其中 κ(i,j,t) 为 agent i 在 submolt j 的某次交互获得的 karma（类似 upvote 数）。矩阵同样非常稀疏。

评估指标

对每个测试 agent，生成长度为 K 的推荐列表（排除训练期已交互的 submolts），与其实际测试期交互的 submolt 集合 S_test_i 比较。

• Recall@K：1/|U_test| Σ_i |(rec_list_i ∩ S_test_i)| / |S_test_i|。
• NDCG@K：归一化折损累计增益。
• Hit Rate@K：1/|U_test| Σ_i 1(|rec_list_i ∩ S_test_i| > 0)。
• MRR：第一个相关结果排名倒数的均值。 评估 K ∈ {5,10,20,50}。

模型实现细节

Random（随机基线）

• 为每个 agent 随机推荐未交互过的 submolts。

TopPopular（流行度基线）

• 统计训练集中所有 submolts 的总交互次数，降序排列，排除已交互项后推荐前 K 个。

BPR-MF (Bayesian Personalized Ranking)

• 输入：二元矩阵 R。
• 输出：agent i 对 submolt j 的得分 ŕ_i,j = u_i^T v_j，u_i, v_j ∈ R^d，d=64。
• 损失：贝叶斯个性化排序（BPR），对每个用户采样正负例对 (j, j’)，优化 ln σ(ŕ_i,j - ŕ_i,j') - λ||θ||^2。
• 超参：学习率 0.001，正则化 λ=0.0001，迭代 100 轮。
• 训练：每轮对每个正交互采样一个未交互项作为负例。

HybridMF（混合矩阵分解）

• 首先用 ALS 分解 R：ŕ_ALS_ij = u_i^T v_j，d=16，正则化 0.01，迭代 30 次。
• 内容嵌入：使用 all-MiniLM-L6-v2 对所有帖子生成 384 维嵌入。
  • Agent 嵌入 e_i^agent：其所有帖子的嵌入质心（中心点）。
  • Submolt 嵌入 e_j^submolt：该 submolt 内所有帖子嵌入的均值。
• 最终得分：ŕ_ij = (1-α) * ŕ_ALS_ij + α * cos(e_i^agent, e_j^submolt)，α=0.1。得分先各自 min-max 归一化至 [0,1] 再混合。
• 说明：ALS 部分学习交互隐式信号，内容部分补充语义。

ContentBased（纯内容推荐）

• 仅使用内容嵌入，ŕ_ij = cos(e_i^agent, e_j^submolt)，无训练参数。

ItemKNN（物品协同过滤）

• 输入：二元交互矩阵 R（行：agent，列：submolt）。
• 计算 submolt 间的余弦相似度：S_j,k = (R[:,j]^T R[:,k]) / (||R[:,j]|| ||R[:,k]||)。
• 对每个 submolt j，保留相似度最高的 K’=50 个邻居。
• 推荐打分：ŕ_i,j = R_i,: · S_j，将 agent i 的历史交互向量与 j 的相似近邻向量点积。
• 无需训练，仅计算相似矩阵。

LightGCN（图协同过滤）

• 输入：从二部图 G=(U∪V, E) 构建归一化邻接矩阵 ᵬ。
• 嵌入传播：E^{(ℓ+1)} = ᵬ · E^{(ℓ)}，初始 E^{(0)} 随机初始化，维度 d=64。
• 层数 L=3。
• 最终嵌入：E_final = (1/(L+1)) Σ_{ℓ=0}^L E^{(ℓ)}（各层均值）。
• 得分：ŕ_i,j = e_final_i^T e_final_j。
• 训练：BPR 损失，Adam 优化器，学习率 0.001，L2 正则化 1e-4，batch size 1024，epoch 20。

SASRec（自注意力序列推荐）

• 对每个 agent，构建其交互 submolts 的时序序列（按 created_at 排序），截断至最近 20 个。
• 模型：单层 Transformer decoder，d_model=64，d_ffn=256，2 个 attention heads，dropout 0.2。
• 位置：可学习位置嵌入。
• 输入：序列 [s1, s2, ..., s_t]，经 embedding 和 self-attention（causal mask）后，取最后位置的隐状态 h_i。
• 得分：ŕ_i,j = h_i^T v_j，v_j 为 submolt j 的嵌入（随机初始化或由 MiniLM PCA 投影到 64 维初始化，但等效果）。
• 训练：自回归交叉熵损失（预测下一个 submolt），Adam 优化器，学习率 0.001，batch size 512，10 个 epoch。

代理描述特征实验

• Agent 描述字段（63% agent 非空，中位长度 33 字符）通过 MiniLM 计算嵌入。
• 三种用法：
  1. DescriptionBased：仅基于描述嵌入与 submolt 内容嵌入的余弦相似度推荐。
  2. DescItemKNN：混合 ItemKNN 得分与描述相似度，权重 α ∈ {0.1,0.3,0.5}。
  3. DescriptionHybridMF：将 HybridMF 中的 agent 嵌入替换为描述嵌入（而非帖子质心）。
• 结果：描述特征几乎无预测能力，注入 ItemKNN 或 HybridMF 不提升性能，高权重时有害。

时间衰减实验

• 固定训练窗口 4 周，测试窗口 1 周，不断增加训练-测试间隔（1-4 周）。
• 所有模型（TopPopular, ItemKNN, LightGCN, SASRec, BPR-MF, HybridMF, ContentBased）均未出现系统性的性能下降，表明 agent 的交互模式在时间上是平稳的，无偏好漂移。

实验设置与结果

主要结果（二元交互矩阵）

模型	Recall@10	NDCG@10	HR@10	MRR
Random	0.0000	0.0000	0.0000	0.0000
TopPopular	0.0232	0.0136	0.0436	0.0155
BPR-MF	0.0165	0.0083	0.0321	0.0088
HybridMF	0.0117	0.0070	0.0239	0.0096
ContentBased	0.0056	0.0033	0.0110	0.0041
ItemKNN	0.0236	0.0169	0.0450	0.0229
LightGCN	0.0242	0.0159	0.0454	0.0196
SASRec	0.0234	0.0167	0.0463	0.0224

ItemKNN 整体最佳，LightGCN 与 SASRec 略逊但同属第一梯队；BPR-MF 低于 TopPopular；HybridMF 和 ContentBased 最差。个性化方法失效。

Karma 加权效果

模型	加权	Recall@10	NDCG@10	HR@10	MRR
TopPopular	二元	0.0232	0.0136	0.0436	0.0155
TopPopular	Karma	0.0530	0.0377	0.0936	0.0465
ItemKNN	二元	0.0236	0.0169	0.0450	0.0229
ItemKNN	Karma	0.0558	0.0417	0.1009	0.0561
HybridMF	二元	0.0125	0.0069	0.0252	0.0093
HybridMF	Karma	0.0381	0.0304	0.0748	0.0427
BPR-MF	二元	0.0149	0.0080	0.0294	0.0094
BPR-MF	Karma	0.0159	0.0083	0.0312	0.0092

Karma 大幅提升结构类模型 TopPopular (2.3-3.2×)、ItemKNN (2.2-2.6×) 和 HybridMF (2.5-5.2×)，但 BPR-MF 几乎不变。说明 karma 强化了物品质量信号，但无法挽救个性化学习。

消融：Agent 描述特征

模型	Recall@10	NDCG@10	HR@10	MRR
ItemKNN	0.0236	0.0169	0.0450	0.0229
DescItemKNN (α=0.1)	0.0238	0.0169	0.0454	0.0229
DescItemKNN (α=0.5)	0.0224	0.0151	0.0436	0.0205
HybridMF (无用户内容特征)	0.0133	0.0072	0.0252	0.0093
DescriptionHybridMF	0.0110	0.0063	0.0229	0.0084
DescriptionBased	0.0011	0.0006	0.0041	0.0010

描述特征几乎没有预测力，甚至稀释有效信号。

时间衰减

• 随着训练-测试间隔从 1 周增至 4 周，所有模型的 Recall@10、NDCG、HR、MRR 均未下降，甚至略有上升（因测试群体变小带来的方差）。表明 agent 兴趣无漂移，进一步否定了个性化建模的必要性。

思考与可参考价值

局限

1. 数据稀疏：交互密度仅 0.041%，远低常规推荐数据集，绝对指标偏低。但此稀疏性本身就是 agent 行为特征的一部分。
2. 无暴露日志：无法区分 agent 未交互是未见还是不喜欢，只能以发帖/评论作为代理，可能引入偏差。
3. 配置不可见：无法获知 agent 的 LLM 后端和配置文件内容，难以验证“缺乏偏好”的直接原因，分析停留在现象层面。
4. 平台特化：针对 Moltbook 架构，若 agent 设计进化出持久记忆，结论可能变化。

对搜索推荐/Agent 方向的启发

• 用户建模的边界：在人类与 agent 混合的平台上，个性化模型可能因 agent 的“噪声”交互而崩塌。需引入 agent 检测与过滤机制，清洗训练数据，或设计鲁棒模型区分人与 agent 的交互模式。
• 评价体系的扰动：若测试集混入 agent，其随机/结构化的行为会拉低个性化模型的指标，导致模型对比失真。应分层评测或在业务指标中排除 agent。
• 推荐新范式：在 agent 为主的平台上，推荐应从偏好匹配转向环境/结构匹配，例如基于会话上下文、任务驱动或平台热度的推荐。
• 多智能体社会模拟：该工作为研究 agent 社群提供新的入口，可反向探索如何通过推荐塑造 agent 群体行为，用于模拟实验或调控。