[控场AI]
论文Homophily-aware Agentic Recommendation via dual Profiles

HARP

一种免训练的LLM推荐框架,将推荐重新表述为代理通信过程,通过三个算子(对称物品画像、画像级同质性门控、单遍反思更新)解决用户与物品画像不对称问题,在冻结LLM主干上增强推荐能力。

时间轴 (近 90 天)

11月4日

HARP将LLM推荐重新表述为包含四个阶段的代理通信过程:BUILD、TRANSMIT、UNDERSTAND、SYNC。

待验证50%
11月4日

HARP是一个免训练、三算子扩展框架,附加在冻结的LLM主干上,不更新模型参数。

待验证50%
11月4日

HARP的三个核心算子分别对应:规则提取的对称物品画像(解决单向BUILD)、通道可分解的画像级同质性H(φ_u, φ_i)在检索时消费(突破提示陷阱)、单遍反思更新(补上SYNC环节)。

待验证50%
11月4日

HARP在四个公开基准(Yelp、Books、MovieTV、Goodreads)上,将Hit@1相比最强已发表基线提升了6.9%至24.0%。

待验证50%
11月4日

在HARP的实验中,每个数据集上经Holm校正的p值均小于1e-9。

待验证50%
11月4日

消融实验和逐案例归因研究显示,HARP的三个算子贡献互补增益,其中检索侧的门控是主要来源。

待验证50%
11月4日

HARP的反思过程引入权衡,可能在某些场景下引入额外开销或噪声。

待验证50%
11月4日

HARP的代码已在GitHub开源(https://github.com/Jove-Zhen/HARP)。

待验证50%
11月4日

HARP的规则提取物品画像算子无需额外LLM调用,以零成本为物品生成自描述。

待验证50%
11月4日

HARP的同质性函数H(φ_u, φ_i)用于度量用户画像与物品画像之间的匹配程度,在检索阶段对候选物品进行门控筛选,使画像信号直接参与召回。

待验证50%

还有 2 条时间轴事件

全部知识事实 (11)

来源文章