ClawRec: A Claw-Native Recommender System
ClawRec: 一种Claw原生的推荐系统
🧭 Agent原生跨平台推荐 · 用户状态建模 ★ 深度解读
Renmin University of China · Meituan
提出Claw原生推荐范式，用证据关联的用户状态和边际策展实现跨平台互补推荐。
📌 工作参考价值（4 点）
- 跨平台用户状态建模方法：将不同端的行为标准化为统一事件，并维护证据关联的、带有时效状态（活跃/冷却/过期/抑制）的用户状态槽。可直接用于电商跨端（APP、小程序、网页）用户行为统一建模，避免将临时行为误判为长期偏好。
- 基于功能角色的检索规划：不依赖最近查询，而是从当前任务推断所需的信息支持类型（解释、指导、比较、官方验证等），再选择能提供对应功能的来源进行检索。这可以迁移到推荐feeds的版位规划，按任务需求分配不同功能的内容，提升整体的任务完成率。
- 边际效用策展优化推荐列表：选品时以增量价值为依据，覆盖未被服务的支持类型或互补功能，而非简单按相关性排序。可避免电商推荐中同类商品的重复展示，增强推荐列表的互补性和整体有用性。
- 利用行为轨迹模拟评估跨平台推荐：通过生活事件模拟和GUI代理生成跨平台行为序列，构造任务级推荐基准。可借鉴其方法构建更贴近用户真实跨端旅程的离线评估数据集。