FAIRGate: Agentic Runtime Policy Selection and Verified Repair for Fairer Recommendation Delivery
FAIRGate：公平推荐交付的 Agentic 运行时策略选择与验证修复
🧭 Agent 策略选择 + 公平推荐交付控制 ★ 深度解读
University of Massachusetts Boston
在推荐 top-K 交付中加 agentic 策略选择层，从预定义公平策略库按运行时上下文选择并执行验证修复
📌 工作参考价值（4 点）
- 在电商/广告重排层引入「固定 policy library + LLM 只做选择」的模式，避免 LLM 直接改排序；策略可定义为长尾曝光、品类/商家曝光平衡、集中度上限、校准保护、弃权。
- 用 deterministic validator 做最后把关：相关性损失、元数据覆盖、校准漂移、审计 trace 全部检查，不满足就 abstain/relax，防止公平优化过度损伤 GMV/CTR。
- 审计 trace 设计成 typed evidence keys，文案只从验证过的 trace 生成，可大幅降低 LLM 幻觉和敏感属性泄漏；在合规审计、可解释推荐中可直接复用。
- 实现上用结构化生成/JSON schema 约束 agent 输出，并要求策略选择必须引用具体 metric trigger，使线上策略选择可回放、可诊断，避免 LLM 自由输出公平判断。