Résumé Technique : MACRDR – Améliorer la découverte d'intérêts et la diversité dans la recommandation de nouvelles via la réflexion multi-agents

1. Énoncé du problème

Les systèmes de recommandation de nouvelles personnalisées souffrent fréquemment de « bulles de filtres » et de « chambres d'écho » en raison d'une dépendance excessive aux modèles d'interaction historiques des utilisateurs. Bien que les approches basées sur l'apprentissage profond aient amélioré la modélisation sémantique et la précision de la prédiction de clics, elles renforcent souvent les préférences existantes, ce qui les rend insensibles aux changements dynamiques d'intention de l'utilisateur et aux intérêts émergents.

Les méthodes existantes axées sur la diversité traitent généralement cela par un reclassement heuristique (par exemple, la pertinence marginale maximale ou Maximum Marginal Relevance) ou une optimisation de la représentation (par exemple, l'apprentissage contrastif). Cependant, ces approches se concentrent principalement sur des ajustements de la distribution au niveau de l'article ou sur la séparation des caractéristiques sans modéliser explicitement le processus d'évolution sous-jacent de l'intention de l'utilisateur. Par conséquent, elles peuvent introduire des contenus diversifiés qui ne correspondent pas aux intérêts réels ou émergents de l'utilisateur. De plus, bien que les grands modèles de langage (LLM) offrent de fortes capacités de raisonnement, l'application d'un agent LLM unique à des tâches de recommandation complexes entraîne souvent une instabilité du classement, un biais de popularité et des hallucinations dues à une compréhension limitée du contexte à long terme et à l'absence de mécanismes de mémoire persistante.

2. Méthodologie : Cadre MACRDR

Les auteurs proposent MACRDR (Multi-Agent Collaboration and Reflection for Diversity-aware Recommendation), un cadre qui reformule la recommandation de nouvelles comme un processus de calibration dynamique de l'intention plutôt que comme un problème d'optimisation de classement statique. Le cadre décompose le processus en deux étapes : la Récupération de Base (Base Retrieval) et le Reclassement Cognitif (Cognitive Reranking), médiés par un système multi-agents avec une boucle de rétroaction prédictive-réflexive.

2.1 Architecture Centrale

Le cadre se compose de trois modules principaux :

1. Module de Recommandation de Base : Agit comme l'étape de génération de candidats, utilisant un modèle d'apprentissage profond (spécifiquement un réseau PLM-Attention dans les expériences) pour encoder l'historique de l'utilisateur et le contenu de la nouvelle. Il génère un ensemble de candidats à haute pertinence ($C_{cand}$) avec des scores de classement initiaux, servant de contrainte pour le reclassement ultérieur par agent afin de garantir la précision de base.
2. Module de Mémoire de Profil Dynamique : Conçu pour surmonter l'absence de mémoire persistante des agents LLM, ce module stocke des profils d'utilisateurs structurés et versionnés ($Prof_u^v$). Contra�à les représentations vectorielles implicites, il utilise une mémoire documentaire légère et structurée (JSON) contenant :
   • Attributs de base : Catégories d'intérêts fondamentales et descriptions de persona.
   • Correctifs d'ajustement cognitif ($Patch_u^v$) : Instructions en langage naturel explicites générées par les agents de réflexion pour guider les ajustements futurs.
   • Métadonnées d'évolution : Registres des versions de profil, des déclencheurs de mise à jour et des horodatages pour maintenir la cohérence temporelle.
3. Module de Collaboration Multi-Agents : Le cœur décisionnel comprenant quatre agents spécialisés :
   • Agent Manager : Orchestre l'aiguillage des tâches, la gestion de l'état et la distribution adaptative des tâches aux autres agents en fonction de l'état du système.
   • Agent UserAnalyst : Initialise les profils d'utilisateurs en extrayant des informations de préférence interprétables à partir des interactions historiques via la summarisation par LLM.
   • Agent Action : Remplit deux rôles : (1) prédire les intérêts potentiels de l'utilisateur basés sur le profil actuel pendant l'étape d'évolution hors ligne, et (2) effectuer le reclassement final sensible à l'intention pendant l'étape en ligne en équilibrant les scores de pertinence de base avec les directives de réflexion.
   • Agent Reflect : Compare les intérêts prédits par l'Agent Action ($\hat{Y}_t$) avec les retours réels de l'utilisateur ($Y_t$). Il calcule la divergence sémantique ($\delta_t$) et génère des correctifs d'ajustement cognitif explicites si la déviation dépasse un seuil de tolérance dynamique ($\theta$).

2.2 La Boucle de Rétroaction Prédictive-Réflexive

L'innovation centrale réside dans le processus d'évolution du profil hors ligne :

1. Prédiction : L'Agent Action prédit les sous-catégories de nouvelles attendues basées sur le profil actuel de l'utilisateur.
2. Réflexion : L'Agent Reflect compare les prédictions avec les interactions réelles de l'utilisateur.
3. Calibration : Si la déviation est significative ($\delta_t > \theta$), l'Agent Reflect analyse la cause et génère un « correctif cognitif » ($Patch_u^{v+1}$). Ce correctif sert d'instruction explicite pour les recommandations futures, guidant le système pour explorer les intérêts émergents tout en corrigeant les erreurs de prédiction.
4. Reclassement en Ligne : Lorsqu'une requête de recommandation arrive, l'Agent Action récupère le profil et l'ensemble de candidats les plus récents. Il optimise un objectif conjoint : maximiser la pertinence (provenant du modèle de base) tout en intégrant les instructions d'exploration issues des correctifs cognitifs.

3. Principales Contributions

Le document souligne trois contributions majeures :

1. Reformulation de la Recommandation : MACRDR déplace le paradigme du classement statique vers la calibration dynamique de l'intention. Il découple la récupération de base (axée sur la précision) du reclassement cognitif (axé sur la diversité), exploitant les capacités de raisonnement des agents basés sur les LLM tout en conservant l'efficacité des modèles de récupération traditionnels.
2. Mécanisme de Collaboration Prédictive-Réflexive : Les auteurs conçoivent un mécanisme qui modélise explicitement l'évolution de l'intention de l'utilisateur. En comparant les intérêts prédits avec les retours réels, le système génère des « correctifs cognitifs » qui guident les ajustements de recommandation, permettant de capturer les intentions émergentes plutôt que de simples schémas historiques.
3. Mémoire de Profil Dynamique : Un module de mémoire versionné est introduit pour préserver la trajectoire des changements de préférences de l'utilisateur et des corrections réflexives. Cela permet un suivi de l'intention à long terme et fournit un contexte structuré et interprétable pour le raisonnement multi-agents.

4. Résultats Expérimentaux

Le cadre a été évalué sur le MIND (Microsoft News Dataset) en utilisant un sous-ensemble de 2 000 utilisateurs actifs (MIND-2000) avec une stratégie de division temporelle pour simuler l'évolution naturelle des intérêts.

4.1 Métriques de Performance

L'évaluation a pris en compte à la fois la précision (AUC, MRR, NDCG@K) et la diversité/découverte d'intérêts (Taux de découverte d'intérêt - IDR, Sérendipité - SR, Diversité intra-liste - ILD, Couverture d'intérêt - IC, Couverture agrégée - AC).

4.2 Principales Conclusions

• Compromis Précision vs Diversité : MACRDR a maintenu une précision de recommandation compétitive (par exemple, NDCG@10 de 0,4087) comparable aux bases avancées basées sur les LLM comme PNR-LLM et LKPNR, malgré l'introduction d'éléments exploratoires.
• Découverte d'Intérêts Supérieure : MACRDR a atteint le taux de découverte d'intérêt le plus élevé (IDR@5 : 26,43 %) et la sérendipité la plus élevée (SR@5 : 0,0853) parmi toutes les bases de référence, surpassant de manière significative les modèles d'apprentissage profond (ex. NRMS, NAML) et les autres approches basées sur les LLM.
• Études d'Ablation :
  • Le retrait du Recommandeur de Base a provoqué une chute drastique de la précision, confirmant la nécessité d'un ensemble de candidats de haute qualité contraint par la pertinence.
  • Le retrait de l'Agent Reflect ou de l'Agent Action a réduit la capacité du système à calibrer dynamiquement les préférences, entraînant des scores IDR et SR plus faibles.
  • Le retrait des Contraintes de Classement (en s'appuyant uniquement sur le reclassement par LLM) a amélioré les métriques de diversité mais a considérablement dégradé la précision, validant la nécessité de préserver les signaux de pertinence de base.
• Sensibilité des Paramètres : L'étude a révélé qu'une taille de tranche d'interaction historique de 3 et un seuil de tolérance dynamique ($\theta$) de 6 offraient l'équilibre optimal entre stabilité et exploration.

5. Signification et Revendications

Le papier affirme que MACRDR fournit une solution efficace et interprétable pour atténuer les bulles de filtres dans la recommandation de nouvelles. Sa signification réside dans :

• Modélisation de l'Évolution de l'Intention : Contrairement aux méthodes qui traitent la diversité comme une contrainte a posteriori, MACRDR modélise le processus d'évolution de l'intention via une boucle de réflexion, permettant au système de distinguer les préférences stables des intérêts émergents.
• Exploration Contrôlée : En utilisant des « correctifs cognitifs » dérivés des erreurs de prédiction, le système effectue une exploration ciblée plutôt qu'une diversification aléatoire, garantissant que le contenu diversifié recommandé est réellement pertinent pour les besoins latents de l'utilisateur.
• Faisabilité Pratique : L'architecture démontre que la collaboration multi-agents avec une mémoire structurée peut gérer efficacement des tâches de recommandation complexes, équilibrant la puissance de raisonnement des LLM avec l'efficacité computationnelle et la précision des modèles d'apprentissage profond traditionnels.

Les auteurs concluent que, bien que le cadre soit prometteur, les travaux futurs pourraient impliquer l'utilisation d'agents utilisateurs simulés pour entraîner progressivement le modèle de base et l'intégration d'informations multimodales pour une modélisation de l'intention plus fine.