近期，实验室博士生舒钰博作为第一作者的论文“RAH! RecSys-Assistant-Human: A Human-Centered Recommendation Framework With LLM Agents”被IEEE TCSS期刊录用并发表。该论文聚焦人智协同推荐（Human-AI Cooperative Recommender Systems）场景中以人为中心的挑战，提出了包含推荐系统、助手和人（RAH）的框架，采用了基于大语言模型（LLM）的智能体（感知、学习、行动、评判和反思智能体），强调与用户个性的对齐。该框架利用学习-行动-评判循环和反思机制来优化与个人用户的对齐程度。通过在真实推荐数据进行实验，展示了RAH框架在减少用户负担、减轻偏见和增强用户控制等方面的有效性。

该研究成果在中国强化学习社区大会RLChina’23、 国际万维网大会WWW’ 24的两个tutorial中进行了报告展示(Tutorial的主题分别是“Simulating Human Society with Large Language Model Agents: City, Social Media, and Economic System”和“Large Language Model Powered Agents in the Web”)。

RAH框架中个人助手由多个智能体构成(a,b,c,d,e)，并且多智能体之间具有协作机制(f) 

论文链接：

https://arxiv.org/pdf/2308.09904

代码链接：

https://github.com/TheRepoForRAH/RAH