Incontra RecMind un agente raccomandante autonomo guidato dalla tecnologia di grandi modelli di linguaggio che combina ragionamento, azione e memoria per vari compiti di raccomandazione.

Incontra RecMind, un agente autonomo che utilizza grandi modelli di linguaggio per compiti di raccomandazione.

Con l’aumento della popolarità dell’Intelligenza Artificiale e del Deep Learning, quasi ogni altra applicazione sta utilizzando le capacità dell’AI per svolgere compiti. Le reti neurali profonde, o deep neural networks, sono state fondamentali nella modernizzazione dei Sistemi di Raccomandazione. Un sistema di raccomandazione è una parte essenziale di numerose piattaforme online, come motori di ricerca, siti di e-commerce, reti sociali e servizi di streaming per film e musica. Il suo compito principale è esaminare come gli utenti hanno interagito e utilizzato i prodotti sulla piattaforma in passato, utilizzando tali informazioni per suggerire prodotti con cui gli utenti probabilmente interagiranno in futuro, migliorando così l’interazione e l’esperienza dell’utente.

In passato, i sistemi di raccomandazione hanno utilizzato molti algoritmi e metodi, ma più recentemente, l’incorporazione delle Reti Neurali Profonde (DNNs) nel loro design li ha notevolmente migliorati. Eccellono nel rilevare rappresentazioni intricate e modelli di persone, cose e comportamenti utente sequenziali. Con questo sviluppo, le raccomandazioni sono ora più precise e uniche, ma ci sono ancora certe limitazioni. Molti sistemi di raccomandazione esistenti, in particolare quelli costruiti su DNNs come Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM) e modelli di linguaggio pre-addestrati come BERT, hanno bisogno di aiuto per catturare efficientemente conoscenze testuali sugli utenti e sugli elementi. In secondo luogo, la maggior parte delle tecniche di RS sono state create per determinati compiti di raccomandazione e potrebbero quindi non generalizzarsi bene ad altri compiti di raccomandazione non identificati.

Per superare le sfide, un team di ricercatori ha introdotto RecMind, un agente di raccomandazione autonomo basato sulla tecnologia di Large Language Model. Questo agente eccelle nel fare raccomandazioni personalizzate precise utilizzando pianificazione strategica, strumenti esterni per ottenere conoscenze e dati personalizzati. Una delle principali innovazioni introdotte in RecMind è l’algoritmo Self-Inspiring, progettato per migliorare la capacità di pianificazione dell’agente basato su LLM. L’LLM si “auto-ispira” automaticamente per tener conto di tutti gli stati esplorati in precedenza mentre determina la sua prossima mossa pianificata utilizzando questo approccio in ogni fase intermedia di pianificazione. Questo metodo migliora notevolmente la capacità del modello di comprendere e utilizzare efficientemente i dati di pianificazione passati nella formulazione delle raccomandazioni. Una significativa evoluzione nel campo dei sistemi di raccomandazione che utilizzano LLM è questa funzionalità di auto-ispirazione.

L’efficacia di RecMind è stata accuratamente valutata in una serie di scenari di raccomandazione, tra cui:

  1. Predizione della valutazione – Prevedere come i consumatori valuteranno cose specifiche.
  1. Raccomandazione sequenziale – Consigliare beni in un ordine specifico in base alle preferenze dell’utente.
  1. Raccomandazione diretta – Dare agli utenti raccomandazioni dirette di elementi.
  1. Generazione di spiegazioni – Descrivere la logica dietro raccomandazioni specifiche.
  1. Sommario delle recensioni – Riassumere i commenti degli utenti su un determinato prodotto.

Dopo la valutazione, il team ha condiviso che i risultati sperimentali hanno dimostrato che RecMind supera le attuali tecniche di raccomandazione basate su LLM a zero e poche iterazioni in una varietà di raccomandazioni basate su compiti. Supera un modello recente chiamato P5, che richiede una procedura di pre-addestramento approfondito appositamente progettata per compiti di raccomandazione.

Le principali contribuzioni sono state riassunte come segue:

  1. Questa ricerca è pionieristica nello sviluppo di un agente di raccomandazione autonomo alimentato da LLM. È stato introdotto RecMind, che è un framework di agente che combina ragionamento, azione e memoria per vari compiti di raccomandazione.
  1. È stata proposta una tecnica di pianificazione self-inspiring che supera i metodi popolari come Chain-Of-Thoughts e Tree-Of-Thoughts integrando percorsi di ragionamento multipli.
  1. L’efficacia di RecMind è stata valutata in cinque scenari di raccomandazione, dove RecMind ha dimostrato risultati sorprendenti.