arXiv · NLP· Yaxin Zhang, Xingyu Wu, Yuchen Yan, Yuqin Dai, Hong Zhao, Lixing Shen, Zhan Chen, Jian Shao, Yongliang Shen·· 7 天前AI 评分36
SimRec:基于模拟交互的搜索、询问与推荐强化学习框架
SimRec: Learning to Search, Ask, and Recommend from Simulated Interaction
AI 导读
SimRec 通过强化学习训练工具集成推荐代理的完整交互策略,引入基于任务的用户模拟器和对齐奖励,使用 GRPO 优化整个轨迹。 在 ESCI 和 Amazon C4 数据集上,SimRec 将 Qwen3-4B 代理的 NDCG@100 分别提升至 35.42% 和 24.72%,性能超越更大基座的免训练代理,且训练后的代理在候选验证和推荐恢复能力上显著增强。
来源:arXiv · NLP · arxiv.org