AI Papers Daily

#Preference Elicitation

2 篇

When and How to Ask: Dynamic Preference Elicitation Strategies for Conversational Recommendation

对话推荐中的动态偏好诱导策略：何时与如何提问

🧭 阶段感知的对话式推荐偏好诱导

University of Sheffield · Bloomberg

阶段感知：前期问属性，后期推物品，MoE建模策略选择提升对话推荐效率

📌 工作参考价值（4 点）

• 对话推荐策略应分阶段设计：冷启动阶段多问属性，偏好明确后直接推荐商品，可大幅提升导购Agent的交互效率
• 借鉴COPE的Mixture of Experts架构，构建一个轻量策略选择器，在线判断当前对话轮次应提问还是推荐，以及提问类型（属性/物品）
• InPE数据集提供了细粒度标注（询问必要性、策略类型），可用于微调对话推荐模型或策略判别器，适合迁移到电商客服场景
• 离线评估证实阶段感知策略优于静态统一策略，线上部署时可基于对话长度或状态隐式划分阶段，避免硬编码规则

RecSys | 2026-07-07 | cs.IR | score 7/10

Conversational Recommender SystemsPreference ElicitationMixture of ExpertsStage-aware StrategyDataset InPE

$τ$-Rec: A Verifiable Benchmark for Agentic Recommender Systems

τ-Rec：面向智能体推荐系统的可验证评测基准

🧭 智能体推荐系统评估基准 ★ 深度解读

Independent Researcher · Princeton University

用可验证奖励与 pass^k 一致性指标替代主观 LLM 评判，揭示当前模型在智能体推荐中的可靠性悬崖

📌 工作参考价值（4 点）

• 引入 pass^k 可靠性指标：在电商 Agent 上线前，用 pass^1/pass^2/pass^4 衡量多次执行的一致性，避免仅看单次成功率而低估长期可靠性；可结合回放测试评估模型稳定性。
• 可验证奖励 + 揭示标记引出 (RTE)：将约束打上 volunteer/on_ask/hidden 标签，模拟真实用户不完全表达需求的情景，迫使 Agent 通过多轮对话主动引出偏好，可作为电商导购、客服 Agent 的对话能力测试方案。
• 策略合规性作为第一类目标：将领域政策（如年龄限制、已购过滤、平台可用性、赞助披露）转化为可编程检查，直接审计轨迹，可照搬到电商推荐场景中检查 Agent 是否遵守负面清单、定价限制、合规话术等。
• 后训练截止目录防记忆：使用模型训练后发布的新商品（如 TMDB 2025–2026 电影）构建目录，确保评估不受训练数据泄露污染；电商可定期抓取新上架商品构建动态测试集，隔离泛化与记忆。

Agent | 2026-06-08 | cs.IR | score 10/10

Agentic Recommender SystemsBenchmarkVerifiable RewardsPolicy Compliancepass^kPreference Elicitation