近期，實驗室博士生舒鈺博作為第一作者的論文“RAH! RecSys-Assistant-Human: A Human-Centered Recommendation Framework With LLM Agents”被IEEE TCSS期刊錄用并發表。該論文聚焦人智協同推薦（Human-AI Cooperative Recommender Systems）場景中以人為中心的挑戰，提出了包含推薦系統、助手和人（RAH）的框架，采用了基于大語言模型（LLM）的智能體（感知、學習、行動、評判和反思智能體），強調與用戶個性的對齊。該框架利用學習-行動-評判循環和反思機制來優化與個人用戶的對齊程度。通過在真實推薦數據進行實驗，展示了RAH框架在減少用戶負擔、減輕偏見和增強用戶控制等方面的有效性。

該研究成果在中國強化學習社區大會RLChina’23、 國際萬維網大會WWW’ 24的兩個tutorial中進行了報告展示(Tutorial的主題分別是“Simulating Human Society with Large Language Model Agents: City, Social Media, and Economic System”和“Large Language Model Powered Agents in the Web”)。

RAH框架中個人助手由多個智能體構成(a,b,c,d,e)，并且多智能體之間具有協作機制(f) 

論文鏈接：

https://arxiv.org/pdf/2308.09904

代碼鏈接：

https://github.com/TheRepoForRAH/RAH