Resumo Técnico: LLMs como Orquestradores para Otimização Multiagente com Conformidade de Restrições

Declaração do Problema

Sistemas de recomendação de e-commerce enfrentam um desafio crítico: eles devem otimizar simultaneamente múltiplos objetivos conflitantes (precisão, diversidade, novidade, equidade) enquanto aderem estritamente a restrições rígidas de negócio. Em ambientes de produção, restrições como cobertura de vendedores, equidade de categoria e exposição de novos itens são inegociáveis; violá-las mesmo uma única vez é inaceitável.

Pesquisas anteriores têm tratado essas restrições majoritariamente como penalidades suaves ou termos de regularização, ou focado no entendimento de conteúdo ou interação via Large Language Models (LLMs). Essas abordagens frequentemente levam a violações persistentes de restrições em implantação ou resultam em frentes de Pareto dominadas por soluções infactíveis. Embora existam algoritmos evolutivos multi-objetivo, eles têm dificuldade em equilibrar a qualidade da solução com a viabilidade estrita. Além disso, os recomendadores baseados em LLM existentes operam tipicamente ao nível de compreensão de conteúdo ou interação com o usuário, deixando o potencial dos LLMs como coordenadores de otimização de alto nível para busca com restrições amplamente inexplorado.

Metodologia: DualAgent-Rec

Os autores propõem o DualAgent-Rec, um framework que utiliza um LLM para orquestrar um processo de otimização evolutiva de agentes duplos. O sistema é projetado para garantir 100% de satisfação de restrições enquanto otimiza o trade-off entre precisão e diversidade.

1. Formulação do Problema

A tarefa de recomendação é formulada como um problema de otimização multi-objetivo com restrições:

• Objetivos: Maximizar relevância ($f_1$), diversidade ($f_2$, via distância intra-lista) e novidade ($f_3$, via popularidade inversa).
• Restrições Rígidas:
  • Equidade de Categoria: Coeficiente de Gini da distribuição de categorias $\le \theta_{fair}$.
  • Cobertura de Vendedores: Número de vendedores distintos $\ge \theta_{seller} \cdot k$.
  • Exposição de Novos Itens: Número de itens adicionados nos últimos 30 dias $\ge \theta_{new} \cdot k$.

2. Arquitetura de Agentes Duplos

O framework decompõe o espaço de busca em dois agentes especializados que evoluem populações em paralelo:

• Agente de Explotação (Exploitation Agent): Foca em refinar soluções de alta qualidade dentro da região factível. Ele emprega o Princípio de Dominação de Restrição (CDP) para seleção, priorizando estritamente soluções factíveis sobre as infactíveis e usando a magnitude da violação da restrição como critério de desempate. Utiliza a variação DE/pbest/1 para acelerar a convergência.
• Agente de Exploração (Exploration Agent): Mantém uma população separada e realiza uma busca de Pareto não restrita com uma taxa de mutação duplicada. Ele ignora as restrições durante a seleção para atravessar regiões subexploradas do espaço de objetivos, atuando como um reservatório de diversidade para evitar a convergência prematura para bacias factíveis subótimas.
• Transferência de Conhecimento Bidirecional: Soluções de elite são trocadas entre os agentes com base na distância de agrupamento (crowding distance), garantindo que o agente de explotação se beneficie de descobertas novas enquanto o agente de exploração recebe orientação de soluções factíveis de alta qualidade.

3. Coordenação Baseada em LLM

Uma inovação central é o uso de um LLM como um alocador dinâmico de recursos. Em vez de heurísticas fixas, o coordenador LLM:

• Observa: Um resumo estruturado de métricas de otimização (hipervolume, taxas de melhoria), estatísticas de restrição (razão de factibilidade, magnitude de violação) e contexto do usuário.
• Decide: Gera um ratio de alocação $\alpha \in [0, 1]$ que determina os tamanhos das populações dos agentes de Explotação e Exploração ($|P_{exploit}| = \alpha N$).
• Adapta: Aumenta $\alpha$ (favorecendo a explotação) quando a factibilidade está estável e o progresso desacelera; diminui $\alpha$ (favorecendo a exploração) quando as violações de restrição persistem ou o hipervolume estagna. Isso fornece uma orquestração interpretável e consciente do contexto sem regras de agendamento manuais.

4. Tratamento Adaptativo de Restrições

Para reconciliar a exploração inicial com a factibilidade estrita, o sistema utiliza uma estratégia de relaxamento $\epsilon$-autocalibrável:

• As restrições são inicialmente relaxadas ($\epsilon_0$) com base no percentil 80 das violações iniciais, permitindo que ~20% das soluções iniciais sejam tratadas como factíveis.
• O parâmetro de relaxamento $\epsilon_t$ decai suavemente ao longo das gerações ($\epsilon_t = \epsilon_0 \cdot \gamma^{t/T_{max}}$), tornando as restrições gradualmente mais rígidas até que a factibilidade exata seja imposta na convergência.

Principais Contribuições

1. Arquitetura de Agentes Duplos: Uma separação inovadora de exploração e explotação em agentes especializados, melhorando a cobertura da frente de Pareto e a eficiência da otimização sob objetivos conflitantes.
2. Orquestração por LLM: A introdução de um LLM como um coordenador de alto nível que gerencia adaptativamente a alocação de recursos com base na dinâmica de otimização e satisfação de restrições, substituindo cronogramas baseados em regras frágeis.
3. Estratégia de Restrição Adaptativa: Um mecanismo de relaxamento $\epsilon$-autocalibrável que garante a satisfação de restrições rígidas nas soluções finais enquanto preserva a eficiência da exploração durante os estágios iniciais.
4. Validação Empírica: Experimentos extensos demonstrando que o framework alcança 100% de satisfação de restrições enquanto supera baselines fortes em hipervolume de Pareto e velocidade de convergência.

Resultados Experimentais

Experimentos foram conduzidos no conjunto de dados Amazon Reviews 2023 em três categorias diversas: All_Beauty (pequena), Electronics (média) e Clothing_Shoes_Jewelry (grande).

• Satisfação de Restrições: O DualAgent-Rec alcançou 100% de factibilidade em todas as categorias, validando a eficácia do relaxamento $\epsilon$-autocalibrável e dos mecanismos de CDP.
• Desempenho de Pareto: O framework melhorou o Hipervolume de Pareto (HV) em 4–6% em comparação com baselines de população única e variantes de alocação baseadas em regras.
• Trade-off Precisão-Diversidade: Enquanto a variante não restrita alcançou maior diversidade, ela falhou na factibilidade (72%). O DualAgent-Rec manteve uma diversidade competitiva (0.247) e precisão (NDCG@10: 0.581) enquanto satisfazia estritamente as restrições.
• Insights de Ablação:
  • Tamanho da População: Populações menores (50) ofereceram tempo de execução mais rápido (5.2s) adequado para aplicações sensíveis à latência, enquanto populações maiores (200) maximizaram a diversidade para processamento em lote offline.
  • Rigor da Restrição: Este foi o fator mais impactante; restrições mais rigorosas reduziram o HV mas maximizaram a precisão, oferecendo um trade-off ajustável para implantação.
  • Impacto do LLM: O coordenador LLM proporcionou melhorias de HV modestas mas consistentes (~1%) sobre a alocação de regra fixa, com benefícios qualitativos significativos em interpretabilidade e adaptação automática.

Significância e Alegações

O artigo afirma preencher a lacuna entre a pesquisa acadêmica de otimização multi-objetivo e os requisitos reais de produção. Sua principal significância reside em demonstrar que LLMs podem atuar efetivamente como agentes de orquestração para problemas de otimização complexos e restritos, indo além de seus papéis tradicionais de pontuação ou interação.

Os autores afirmam que o DualAgent-Rec oferece um framework principiológico onde a satisfação de restrições é tratada como um "objetivo de primeira classe", garantindo que cada lista de recomendação implantada seja factível por design, e não apenas por expectativa. O trabalho fornece diretrizes práticas de implantação, mostrando que o framework pode ser ajustado para diferentes cenários (ex: tempo real vs. offline) enquanto mantém o requisito não negociável de conformidade estrita com restrições rígidas.