論文の概要: Ask to Be Sure: Informative Interactions for Confident Multi-Turn LLM Recommendation

• arxiv url: http://arxiv.org/abs/2608.15949v1
• Date: Sun, 16 Aug 2026 22:14:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.477771
• Title: Ask to Be Sure: Informative Interactions for Confident Multi-Turn LLM Recommendation
• Title（参考訳）: Ask to ensure: Informative Interactions for Confident Multi-Turn LLM Recommendation
• Abstract要約: 提案手法では,各インタラクションの有効性を,レコメンデーションよりもエントロピーを用いて測定したアシスタントの不確実性の低減によって定量化する。 教師付き微調整による実験結果から,提案手法は推奨品質と会話効率を両立させることが示された。
• 参考スコア（独自算出の注目度）: 13.64805293826201
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in large language models (LLMs) have enabled their use as conversational recommender systems (CRS), demonstrating strong recommendation accuracy and natural dialogue. However, guiding multi-turn interactions to elicit user preferences effectively remains challenging. Existing approaches either use separate reinforcement learning agents with templated interactions or optimize for interactivity judged by another LLM, without measuring how much useful information is actually gained. We propose a new approach that quantifies the effectiveness of each interaction by the reduction in the assistant's uncertainty, measured via entropy over recommendations. We apply this entropy reduction as a reward---without relying on ground-truth recommendations, which are often unavailable in real-world scenarios---to fine-tune the LLM, enabling strategic interaction generation. Empirical results with supervised fine-tuning (SFT) and direct preference optimization (DPO) on the INSPIRED and ReDial datasets show that our method improves both recommendation quality and conversational efficiency.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩により、会話レコメンデーションシステム(CRS)としての使用が可能となり、強力なレコメンデーション精度と自然な対話が証明された。 しかし、ユーザの好みを効果的に引き出すためのマルチターンインタラクションの指導は依然として困難である。 既存のアプローチでは、テンプレート化された相互作用を持つ個別の強化学習エージェントを使用するか、あるいは他のLCMによって判断される相互作用を最適化する。 提案手法では,各インタラクションの有効性を,レコメンデーションよりもエントロピーを用いて測定したアシスタントの不確実性の低減によって定量化する。 我々は,このエントロピー削減を,現実のシナリオでは利用できないような地道な勧告に頼らず,戦略的なインタラクション生成を可能にするLLMを微調整する報奨として適用する。 InSPIREDおよびReDialデータセット上での教師付き微調整(SFT)と直接選好最適化(DPO)による実験結果から,提案手法は推奨品質と会話効率の両方を改善することが示された。

関連論文リスト

• User Simulator-Guided Multi-Turn Preference Optimization for Reasoning LLM-based Conversational Recommendation [5.313432318455876]
  ユーザシミュレータによるマルチターン優先最適化の対話推薦フレームワークを提案する。 シミュレータ生成したフィードバックを明示的なラベルのない真のユーザの好みに合わせるため、マルチタスクによる微調整によるフィードバック品質を向上させる。
  論文  参考訳（メタデータ） (2026-04-04T09:52:30Z)
• Tree of Preferences for Diversified Recommendation [54.183647833064136]
  データバイアスの観点から、多種多様な推薦について検討する。 本研究では,世界知識を活用したゼロショット推論における大規模言語モデル(LLM)の卓越した性能に着想を得て,新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2025-12-24T04:13:17Z)
• Reinforced Strategy Optimization for Conversational Recommender Systems via Network-of-Experts [63.412646471177645]
  会話レコメンダシステム(CRS)のための新しい強化戦略最適化(RSO)手法を提案する。 RSOは、戦略駆動型応答決定をマクロレベルの戦略計画とマイクロレベルの戦略適応に分解する。 実験の結果, RSOは最先端のベースラインと比較して, インタラクション性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2025-09-30T11:12:01Z)
• Beyond Single Labels: Improving Conversational Recommendation through LLM-Powered Data Augmentation [18.01518720663732]
  会話レコメンデータシステム(CRS)は,マルチターン対話でユーザを惹きつけることによって,推薦品質を高める。 CRSは誤ったネガティブな問題に直面することが多く、トレーニング中にユーザーが好むアイテムが誤ってネガティブにラベル付けされているため、準最適リコメンデーションに繋がる。 本稿では,LLMに基づくセマンティックレトリバーを利用して,多種多様な意味的関連項目を識別する新しいデータ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-30T08:20:54Z)
• Expectation Confirmation Preference Optimization for Multi-Turn Conversational Recommendation Agent [24.134616865308985]
  本稿では,新しいマルチターン優先最適化パラダイムECPOを提案する。 我々は,ECPOがCRAの相互作用能力を大幅に向上させ,既存のMTPO法よりも効率と有効性を両立させることを示す。
  論文  参考訳（メタデータ） (2025-06-17T08:29:04Z)
• DeepRec: Towards a Deep Dive Into the Item Space with Large Language Model Based Recommendation [83.21140655248624]
  大型言語モデル (LLM) はレコメンダシステム (RS) に導入された。 本稿では, LLM と TRM の自律的マルチターンインタラクションを実現する新しい RS である DeepRec を提案する。 公開データセットの実験では、DeepRecは従来のものとLLMベースのベースラインの両方で大幅にパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2025-05-22T15:49:38Z)
• From Reviews to Dialogues: Active Synthesis for Zero-Shot LLM-based Conversational Recommender System [49.57258257916805]
  大きな言語モデル(LLM)は強力なゼロショットレコメンデーション機能を示している。 現実的なアプリケーションは、スケーラビリティ、解釈可能性、データプライバシの制約により、より小さく、内部的に管理された推奨モデルを好むことが多い。 能動学習技術によって導かれるブラックボックスLSMを利用して,会話学習データを合成する能動データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-21T23:05:47Z)
• RosePO: Aligning LLM-based Recommenders with Human Values [38.029251417802044]
  我々は、パーソナライズされた選好最適化(RosePO)を円滑にするための一般的なフレームワークを提案する。 RosePOは、トレーニング後の段階において、カスタマイズされた人的価値との整合性が向上する。 実世界の3つのデータセットの評価は,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-10-16T12:54:34Z)
• LLMEmb: Large Language Model Can Be a Good Embedding Generator for Sequential Recommendation [57.49045064294086]
  大きな言語モデル(LLM)は、その人気とは無関係に、アイテム間の意味的関係をキャプチャする能力を持つ。 LLMEmb(LLMEmb)は、LCMを利用してアイテム埋め込みを生成し、逐次レコメンダシステム(SRS)の性能を向上させる手法である。
  論文  参考訳（メタデータ） (2024-09-30T03:59:06Z)
• Query-Dependent Prompt Evaluation and Optimization with Offline Inverse RL [62.824464372594576]
  ゼロショットプロンプト最適化により,Large Language Models (LLM) の算術的推論能力を向上させることを目的とする。 このような最適化では、以前見過ごされたクエリ依存の目的を特定します。 本稿では、オフライン逆強化学習を利用して、実演データから洞察を引き出すPrompt-OIRLを紹介する。
  論文  参考訳（メタデータ） (2023-09-13T01:12:52Z)
• Unlocking the Potential of User Feedback: Leveraging Large Language Model as User Simulator to Enhance Dialogue System [65.93577256431125]
  本稿では,ユーザガイド応答最適化 (UGRO) という代替手法を提案し,タスク指向の対話モデルと組み合わせる。 このアプローチでは、アノテーションのないユーザシミュレータとしてLLMを使用して対話応答を評価し、より小型のエンドツーエンドTODモデルと組み合わせる。 提案手法は従来のSOTA(State-of-the-art)よりも優れている。
  論文  参考訳（メタデータ） (2023-06-16T13:04:56Z)
• Offline Meta-level Model-based Reinforcement Learning Approach for Cold-Start Recommendation [27.17948754183511]
  強化学習は、リコメンデータシステムに対する長期的なユーザの関心を最適化する上で大きな可能性を秘めている。 既存のRLベースのレコメンデーション手法では、ユーザが堅牢なレコメンデーションポリシーを学ぶために、多数のインタラクションが必要である。 本稿では,ユーザ適応の高速化を目的としたメタレベルモデルに基づく強化学習手法を提案する。
  論文  参考訳（メタデータ） (2020-12-04T08:58:35Z)

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。