沃尔玛提出 MAREval:多智能体框架评估推荐解释文本
_reachsumit · x · 2026-10-29
沃尔玛团队发布 arXiv 论文 MAREval,用多智能体 LLM 框架评估推荐系统的自然语言解释，解决人工评估成本高、单 agent 评估提示敏感且输出不稳定的问题。
框架包含四个组件：
- Planner agent:用新颖的 Chain of Debate(CoD)提示策略协调角色、保证评估计划逻辑一致；
- Moderator agent:抑制提示漂移、调控讨论；
- Arbitrator agent:聚合多轮评估输出；
- 蒙特卡洛采样：提升稳健性与人类判断的一致性。
在公开基准 TopicalChat 和专有电商推荐数据集上的实验显示，MAREval 超越现有 SOTA 基线。
「研究」频道最新
- 结合蛋白设计只解释约 3% 临床失败，AlphaFold 类模型被高估？ — clarejtbirch · 2026-10-29
- Byte H-Net 代码任务显示 2.24 倍计算效率，OpenAI 研究员提醒规模 caveat — willdepue · 2026-10-29
- 467页图解《心理学与神经科学原理》上线,可配 AI 导师阅读 — burkov · 2026-10-29
- 新工作论文：AI 可依据预注册文件预测经济学处理效应 — birchlse · 2026-10-29
- kalomaze：固定尺寸 UTF-8 线性投影基线够用，BPE 只是惯性特权 — kalomaze · 2026-10-29
- ProgramLab 发布：1261 个真实程序作智能体训练场，可单练也可组队 — jyangballin · 2026-10-29