野外销售：基于460万商业对话微调的销售Agent基准与随机现场实验
🧭 对话式销售Agent训练与在线随机实验 ★ 深度解读
Javo, AISO Boost Ltd.
用460万真实商业对话微调Qwen3-32B销售Agent，在100个网站随机试验中比无Agent提升10%收入，比前沿模型提升21.6%转化
📌 工作参考价值（4 点）
- 真实商业对话微调是提升销售/导购Agent业绩的关键：SFT学完整对话（需求挖掘、推荐、异议处理、下一步提议），DPO用购买进展信号做偏好优化；可直接迁移到电商客服、导购对话训练。
- 模型隔离评估设计值得借鉴：固定界面、检索、工具、prompt、guardrails，只换模型权重，才能干净归因训练数据的价值；业务方上线Agent前应做类似消融。
- 在线实验协议可复用：ITT收入/访客 + engaged conversion + 非劣性对比人工 + 安全守卫指标（退货率、投诉、未支持声明、未授权优惠），并采用CUPED、sample ratio check、顺序检验等。
- 成本效率结论：对话Agent推理成本仅为人工的1.8%（0.06美元 vs 3.40美元），且转化非劣性，可优先在咨询密集品类（美妆、家具、旅游）部署自动化销售助手。
门控记忆：面向对话 AI 的准入控制式记忆形成
🧭 对话 AI 长期记忆写入的准入控制与上下文绑定
Samsung Research America
在记忆写入前增加准入门控与条件增强，使事实形成质量成为可测量的记忆约束
📌 工作参考价值（4 点）
- 在客服/导购 Agent 的记忆模块中，写入用户画像前增加 admission gate，区分永久属性（如“我有糖尿病”）与临时状态（如“今天想买无糖零食”），避免 transient 信息污染长期记忆。
- 对写入的每条事实记录 provenance（直接陈述/推断）与适用条件，并做实体范围约束：禁止写入上下文中未出现的实体，可减少 LLM 抽取幻觉带来的记忆污染。
- 将事实分解为原子事实并带时间/地点锚定，可支持后续检索时的时效性过滤和条件匹配，适合电商场景中需要根据“最近偏好”做推荐的系统。
- 轻量、模块化设计，可作为现有 RAG/记忆管线的独立中间层，不改变检索和生成即可验证记忆形成质量收益。
可解释性助手：用于解读能耗模型的对话式XAI接口
🧭 对话式XAI · LLM Function Calling
Nupp Software · Institute of Computer Science, University of Tartu · Apintech Ltd, POLIS-21 Group · Department of Mechanical Engineering, Hellenic Mediterranean University
用LLM function calling替代自定义语法，实现94%意图解析准确率的对话式可解释AI系统
📌 工作参考价值（4 点）
- 用 LLM function calling 替代 custom grammar / 意图分类器做 NLU，意图解析准确率从 76.8% 提到 94%；在做推荐系统诊断、模型解释、运维助手的对话式 Agent 时可直接复用，避免为每个意图维护固定语法。
- 把 LIME、SHAP、反事实等解释能力封装成 function schema，让 LLM 在对话中动态选择工具，适合嵌入内部调试或面向业务人员的模型解释界面，减少对技术背景的依赖。
- 评估方法可借鉴：邀请领域专家对比传统 dashboard 和对话式界面，既测任务完成一致性也测主观偏好；业务上线前用少量专家做可用性评估，比单纯离线指标更有说服力。
- 该工作面向能源预测，推荐算法本身无直接迁移价值，主要贡献在对话式 XAI 的工具编排与交互层。
长期人机对话记忆评估：从直接追问到自然整合的 MemUse
🧭 LLM 长期对话记忆评估
Graduate School of Informatics, Kyoto University
发现直接问答记忆准确率与用户满意度无关，提出自然整合评估基准 MemUse，揭示 71 点巨大差距
📌 工作参考价值（4 点）
- 在电商导购/客服 Agent 中，长期记忆评估不要只看「直接提问能否答对」（Direct QA），这类指标与用户满意度可能无相关；应在真实对话流中挖掘「记忆时刻」，评估模型是否在自然回复中主动且恰当地融入历史信息。
- 建立集成感知的自动化评估：对每个记忆时刻，用 LLM-as-judge 检查回复是否自然引用了相关历史事实（而不是仅仅能否回答事实问题）；该指标与满意度相关性更强，可用于回归测试。
- 检索增强记忆系统往往只优化 top-k 准确率，但可能存在高检索准确、低实际使用的问题；可通过「引用率」等下游指标暴露该 gap，指导改进方向：不仅提升检索命中，还要提升相关性检测和上下文融合能力。
- 直接 QA 准确率从 19.7% 到 70.1% 变化，但满意度无显著差异，提示团队在迭代记忆模块时不要过度依赖离线 QA 基准，要做用户满意度 A/B 测试或应用内行为指标。
CogChat：异构知识图谱增强设计对话 AI 的认知接地
🧭 知识图谱增强对话 · 异构 Graph Transformer
Design AI Lab, Hanyang University · Human-Centered AI Design Institute, Hanyang University
用个人异构知识图谱 + HGT 选择相关节点注入 LLM，提升设计对话的上下文保留与个性化意图理解
📌 工作参考价值（5 点）
- 面向电商/广告/搜索推荐场景的可借鉴点：
- 用户级动态知识图谱做长程上下文：在客服/导购/创意 Agent 中，实时从对话里抽取实体（商品、属性、类目、偏好）与关系，构建个人异构图谱，替代仅依赖 sliding window 的上下文；用 HGT 或轻量图注意力做子图选择，避免全量 KG 造成 prompt 噪声和延迟。
- 同名词/多义词消歧：异构图中实体类型和关系结构可区分同一词在不同上下文（如“苹果”作为品牌或品类），适合电商搜索 query 理解与个性化召回；将图结构注入 LLM 可提升意图识别准确率。
- 主动探测问题生成：借鉴 CogChat 同时生成 intentional 和 exploratory probing questions 的机制，在推荐对话中用于偏好澄清、query 改写建议（如“你指的是 A 还是 B？”），降低用户决策负担并收集偏好信号。
- 工程实现：可用轻量抽取器构建图，HGT 只负责节点打分与选择，LLM 负责最终生成，保持低延迟；先在特定垂直领域（服装、家居、3C）试点，注意图谱更新频率和图谱规模控制。
鸡尾酒交谈者：噪声社交环境下的多说话人对话建模与回复动作强化学习
🧭 语音对话 Agent · 回复时机决策
Columbia University · University of Washington · University of Illinois Urbana-Champaign
用三个动作令牌（回应/倾听/忽略）与 GRPO 强化学习，让语音助手自主决定是否开口
📌 工作参考价值（4 点）
- 多轮对话中的回复节制：电商客服或语音助手可引入 <respond>/<listen>/<ignore> 动作令牌，避免在不必要时打断用户或产生噪声回复，提升多用户混用场景下的体验。
- 离线 RL 微调决策时机：借鉴 GRPO（Group Relative Policy Optimization）在离线对话数据上优化回复策略，无需在线试错，可安全部署到推荐对话系统。
- 数据仿真管线复用：Cocktail-DialogGen 使用 LLM 模拟多角色社交对话，可迁移至电商导购场景，生成带角色、意图标签的多轮混合对话训练数据。
- 语音与文本决策的统一：将语音输入和文本决策统一到一个 LLM 框架，为未来多模态搜索推荐（如语音搜索 + 对话式推荐）的决策层设计提供参考。
RUMBA：面向长期对话记忆的细粒度俄语评估基准
🧭 长期记忆与对话系统诊断评估
DAIMLD
提出多维度诊断性长期记忆基准 RUMBA，涵盖俄语及英文，细粒度分解问题类型以分析记忆机制薄弱点
📌 工作参考价值（4 点）
- 记忆模块评估框架可复用：在构建个性化推荐或客服 Agent 的记忆模块时，直接借鉴 RUMBA 的细粒度提问分类（语义类型、会话范围、时序推理、时间表达明确性），设计针对性测试集，暴露模型在跨 Session 信息整合、偏好更新与遗忘方面的短板。
- 时序推理诊断切片：电商场景中用户偏好随时间变化（如兴趣漂移、短期促销影响），利用基准中的 temporal reasoning 切片，检验模型是否能正确区分陈旧信息与最新意图，优化记忆更新与淘汰策略。
- 多语言对齐下的英语子集可直接利用：论文提供对齐的英语子集，可以立即用于评估现有英语对话推荐系统的长期记忆能力，无需额外标注，快速定位检索与推理瓶颈。
- 记忆机制选型参考：论文对比不同记忆实现（如 KV cache、RAG、上下文打包等）在不同问题切片下的表现，结论可指导在资源与延迟约束下选择更适合电商场景的记忆架构。
CIR 在 iKAT SCAI 2026：探索代理式对话搜索中的澄清需求预测
🧭 代理式对话搜索 · 澄清需求预测
TH Köln
构建代理式对话搜索系统，比较两种澄清需求预测模型在混合主动搜索中的效果
📌 工作参考价值（4 点）
- 代理式架构将检索、重排序、生成等组件工具化，由编排代理统一调度，这种设计可直接复用到对话推荐系统，实现多轮交互中的灵活工具组合与状态管理。
- 澄清需求预测模型可作为对话推荐的关键触发器：在商品属性模糊或用户意图不确定时，主动生成确认性问题（如“您更看重价格还是品牌？”），提升推荐精度与用户体验，尤其适用于高客单价决策场景。
- 采用轻量级 BERT 变体做二分类判断“是否需要澄清”，工程上易于集成进现有搜索/推荐 pipeline，延迟低，可作为强化学习智能体的 reward 信号或规则的前置条件。
- 混合主动（mixed-initiative）模式让系统在必要时介入提问，而非完全被动响应，平衡了自动化与人工干预，可降低推荐冷启动和长尾 query 的失败率。
会话信息访问的个性化与评估方法研究
🧭 会话式信息访问 · 个性化与评估
Radboud Universiteit Nijmegen
从个人上下文提取、个性化回复生成到系统评估，提出 CREL、LAPS 和 FACE 三个方法构建可靠 CIA 系统
📌 工作参考价值（4 点）
- 对话实体链接 (CREL) 可直接用于多轮对话中精准提取用户提及的商品、品牌、偏好等实体，为后续个性化推荐或 Agent 记忆提供结构化上下文，替代简单的 NER 或模糊匹配。
- LAPS 数据集构建方法 提供了低成本生成大规模个性化对话数据的范式，可用于微调电商对话 Agent，使其更自然地融合用户历史与偏好，提升推荐接受率。
- FACE 无参考评估 能自动评估整段对话质量且与人工评分高度一致，可嵌入电商 Agent 的离线评测 pipeline，快速筛选或对比不同回复策略，减少 A/B 测试前的评估成本。
- 整体工作强调 “个人上下文” 在会话式信息访问中的核心地位，启示我们在构建电商导购 Agent 时，需将实体链接、偏好记忆与评估闭环统一设计，而非割裂优化各模块。
SmartWalkCoach：端到端步行指导、激励与反思的AI伴侣
🧭 Agent ★ 深度解读
西安交通利物浦大学
集成路线规划、情境陪伴与总结反思的移动AI伙伴，实证表明动机性对话大幅提升用户积极情感和体验