論文の概要: Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems
- arxiv url: http://arxiv.org/abs/2607.04433v1
- Date: Sun, 05 Jul 2026 17:55:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.930004
- Title: Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems
- Title（参考訳）: 自律的な情報探索:エージェントレコメンダシステムのロードマップ
- Abstract要約: 大規模言語モデルベースのエージェントをリコメンダシステムに迅速に統合することで、静的なランキングベースのパイプラインから、自律的でインタラクティブなシステムへのシフトが加速した。
この調査では、自律性のレベルとエージェントレコメンデータシステムの3つのコアパラダイムを基盤とした統合された分類法を紹介した。
- 参考スコア（独自算出の注目度）: 64.88044474617854
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid integration of large language model-based agents into recommender systems has driven a shift from static, ranking-based pipelines toward autonomous and interactive systems that can reason, plan, and act. This survey provides a comprehensive overview of this emerging landscape by introducing a unified taxonomy grounded in the level of autonomy and three core paradigms of agentic recommender systems: agent-assisted recommendation, agent-as-recommender, and agent-as-user-simulator. The autonomy framework organizes existing methods along increasing capabilities in proactivity, context awareness, interaction flexibility, and adaptivity. Building on this framework, the survey analyzes how each paradigm adopts different agentic architectures and how agents enhance key components such as profiles, memory, tool use, workflows, and optimization mechanisms. We further examine evaluation methodologies for agentic recommendation, covering automated metrics, LLM-based judging, and simulation-based assessment, and discuss their limitations in capturing reasoning quality, user experience, and system behavior. Beyond existing evaluation protocols, we further discuss unresolved issues in evaluating agentic recommender systems, including trajectory-level assessment, agent contribution analysis, and calibration of user simulation. Lastly, the survey outlines open challenges in lifelong user modeling, contextual abstraction, multimodal alignment, controllability, trustworthiness, privacy, scalability, and efficiency. Together, these analyses establish a unified foundation for understanding the current progress of agentic recommender systems and highlight promising opportunities for developing more autonomous, reliable, and human-aligned recommendation agents.
- Abstract（参考訳）: 大規模言語モデルベースのエージェントをリコメンダシステムに迅速に統合することで、静的なランキングベースのパイプラインから、推論、計画、行動が可能な自律的でインタラクティブなシステムへのシフトが加速した。
本調査は,エージェント支援レコメンデーション,エージェント・アズ・ア・リコメンダ,エージェント・ア・ユーザ・シミュレータの3つの基本パラダイムと自律性のレベルを基盤とした統合された分類学を導入することで,この新興の展望を包括的に概観する。
自律フレームワークは、活動性、文脈認識、相互作用の柔軟性、適応性の向上とともに、既存のメソッドを編成する。
このフレームワークに基づいて調査では、各パラダイムが異なるエージェントアーキテクチャをどのように採用するか、エージェントがプロファイルやメモリ、ツール使用、ワークフロー、最適化メカニズムといった重要なコンポーネントをどのように強化するかを分析している。
さらに,エージェントレコメンデーションの評価手法,自動メトリクス,LCMに基づく判断,シミュレーションに基づく評価について検討し,推論品質,ユーザエクスペリエンス,システム動作の制限について考察する。
既存の評価プロトコル以外にも,トラジェクトリレベルの評価,エージェントコントリビューション分析,ユーザシミュレーションの校正など,エージェントレコメンデータシステムの評価における未解決の問題についても論じる。
最後に、生涯にわたるユーザモデリング、コンテキスト抽象化、マルチモーダルアライメント、コントロール可能性、信頼性、プライバシ、スケーラビリティ、効率性のオープンな課題について概説する。
これらの分析は、エージェントレコメンデーターシステムの現在の進歩を理解するための統一された基盤を確立し、より自律的で信頼性があり、人間に沿ったレコメンデーションエージェントを開発するための有望な機会を強調している。
関連論文リスト
- Towards trustworthy agentic AI: a comprehensive survey of safety, robustness, privacy, and system security [57.35851886874902]
エージェントAIシステムは、複雑なタスクを自律的に実行するが、その多段階の軌道には、信頼性に挑戦する新たな障害モードが導入されている。
この調査では、リスクの高いデプロイメントに不可欠な2つのコアディメンションを通じて、信頼できるエージェントAIを精査する。
各次元について、重要な概念を明確にし、エージェントワークフローに沿ってリスクが発生する場所を特定し、ステージ目標の緩和戦略を要約する。
論文 参考訳（メタデータ） (2026-05-17T10:26:37Z) - A Case-Driven Multi-Agent Framework for E-Commerce Search Relevance [0.0]
関連性(Relevance)は、eコマース検索におけるユーザエクスペリエンスの基盤である。
本稿では,ケース駆動型マルチエージェントフレームワークを提案する。
このフレームワークは、関連性関連タスクを効果的に実行し、アノテーションの精度を向上し、よりタイムリーで一般化可能なバッドケースの解決を可能にする。
論文 参考訳（メタデータ） (2026-05-07T10:41:50Z) - RecThinker: An Agentic Framework for Tool-Augmented Reasoning in Recommendation [63.74915464611075]
RecThinkerはツール拡張推論を推奨するエージェントフレームワークである。
我々はRecThinker専用のツール群を開発し、モデルがユーザアイテム側および協調的な情報を取得することを可能にする。
論文 参考訳（メタデータ） (2026-03-10T16:07:17Z) - RecNet: Self-Evolving Preference Propagation for Agentic Recommender Systems [109.9061591263748]
RecNetは、レコメンデータシステムのための自己進化的な好みの伝達フレームワークである。
関連ユーザやアイテム間で、リアルタイムの好み更新を積極的に伝達する。
逆相では、フィードバック駆動の伝搬最適化機構がマルチエージェント強化学習フレームワークをシミュレートする。
論文 参考訳（メタデータ） (2026-01-29T12:14:31Z) - STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。
我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。
MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2025-08-26T08:47:58Z) - A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。
近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。
この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
論文 参考訳（メタデータ） (2025-08-10T16:07:32Z) - Survey on Evaluation of LLM-based Agents [28.91672694491855]
LLMベースのエージェントの出現は、AIのパラダイムシフトを表している。
本稿では,これらのエージェントに対する評価手法に関する総合的な調査を初めて実施する。
論文 参考訳（メタデータ） (2025-03-20T17:59:23Z) - Beyond Black-Box Benchmarking: Observability, Analytics, and Optimization of Agentic Systems [1.415098516077151]
エージェントがさまざまなタスクを実行するために協力するエージェントAIシステムの台頭は、その振る舞いを観察し、分析し、最適化する上で、新たな課題を提起する。
従来の評価とベンチマークのアプローチは、これらのシステムの非決定論的、文脈に敏感で動的な性質を扱うのに苦労する。
本稿では,エージェントシステムを開発,テスト,保守にまたがって分析・最適化する上で重要な課題と機会について考察する。
論文 参考訳（メタデータ） (2025-03-09T20:02:04Z) - Dynamic Evaluation Framework for Personalized and Trustworthy Agents: A Multi-Session Approach to Preference Adaptability [10.443994990138973]
我々は、パーソナライズされた適応的なエージェントを評価するパラダイムシフトについて論じる。
本稿では,ユニークな属性と好みを持つユーザペルソナをモデル化する包括的新しいフレームワークを提案する。
私たちのフレキシブルなフレームワークは、さまざまなエージェントやアプリケーションをサポートし、レコメンデーション戦略の包括的で汎用的な評価を保証するように設計されています。
論文 参考訳（メタデータ） (2025-03-08T22:50:26Z) - A Survey on LLM-powered Agents for Recommender Systems [16.463945811669245]
大規模言語モデル(LLM)を利用したエージェントは、自然言語の相互作用と解釈可能な推論を可能にすることによって、有望なアプローチを提供する。
この調査は、レコメンデータシステムにおけるLSMを利用したエージェントの新たな応用の体系的なレビューを提供する。
論文 参考訳（メタデータ） (2025-02-14T09:57:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。