Shopping Companion: A Memory-Augmented LLM Agent for Real-World E-Commerce Tasks

Resumo Técnico: Shopping Companion

1. Problema e Motivação

Os agentes de Grandes Modelos de Linguagem (LLMs) têm mostrado potencial para tarefas de e-commerce, como recomendação de produtos, gestão de orçamento e criação de pacotes (bundles). No entanto, a realização desse potencial enfrenta dois desafios fundamentais:

1. Falta de Benchmarks Adequados: Não existem benchmarks que avaliem simultaneamente a capacidade de memória de longo prazo (LTM) para capturar preferências implícitas de conversas passadas e a execução de tarefas de compra reais em um único framework. Trabalhos anteriores focam ou apenas em memória (sem tarefa final) ou apenas em tarefas de uma única sessão (sem memória persistente).
2. Otimização Desconectada: As abordagens existentes tratam a identificação de preferências e a assistência na compra como componentes separados, impedindo a otimização end-to-end (de ponta a ponta).

O objetivo deste trabalho é criar um agente unificado capaz de navegar em longas conversas históricas para extrair preferências (ex: tamanho, marcas evitadas, estilo) e utilizá-las para executar tarefas complexas de compra em um ambiente com milhões de produtos reais.

2. Metodologia

O trabalho propõe uma solução composta por três pilares principais: um novo benchmark, um framework unificado de agente e uma estratégia de treinamento por reforço.

A. O Benchmark (Shopping Companion)

• Escala: Baseado em um ambiente simulado com 1,2 milhão de produtos reais.
• Estrutura: Cobre duas tarefas principais:
  1. Recomendação de Produto Único.
  2. Pacotes Adicionais (Add-on Deals): Compra de múltiplos produtos com restrições de orçamento e cupons.
• Memória de Longo Prazo: As preferências são extraídas de conversas históricas que podem ter dezenas de turnos, misturadas com conversas irrelevantes (paradigma "agulha no palheiro").
• Intervenção do Usuário: O benchmark permite que o usuário intervenha e corrija as preferências identificadas pelo agente antes da execução da compra.
• Avaliação: Utiliza um paradigma "LLM-as-Judge" (GPT-5) validado por especialistas humanos para avaliar a precisão da recuperação de preferências e o sucesso da recomendação final.

B. Framework Shopping Companion
O agente opera em duas etapas distintas, mas otimizadas conjuntamente:

1. Etapa 1: Identificação de Preferências: O agente usa ferramentas de memória (mem_search, mem_view, mem_summarize_by_date) para recuperar conversas relevantes e extrair preferências implícitas. Essas preferências são apresentadas ao usuário para confirmação ou correção.
2. Etapa 2: Execução de Tarefas de Compra: Com as preferências confirmadas, o agente usa ferramentas de busca de produtos (product_search, product_view) para iterativamente encontrar itens que atendam às restrições de orçamento, cupons e preferências extraídas.

C. Estratégia de Treinamento: RL com Recompensas Duplas e por Ferramenta
Para treinar o agente em um ambiente com feedback esparsos e descontínuo (comum em interações de múltiplos turnos), os autores desenvolveram uma estratégia de Aprendizado por Reforço (RL) inovadora:

• Recompensas Duplas (Dual-Reward): O sistema calcula recompensas separadas para cada etapa.
  • Recompensa da Etapa 1: Baseada na precisão da extração de preferências da memória.
  • Recompensa da Etapa 2: Baseada na validade do produto, relevância para a intenção e satisfação das preferências.
• Recompensas por Ferramenta (Tool-wise Rewards): Para resolver o problema de atribuição de crédito em trajetórias longas, cada chamada de ferramenta (ex: uma busca específica) recebe uma pontuação individual baseada na sua utilidade imediata (ex: quão relevante foi o resultado da busca).
• Recompensa de Formato: Penaliza erros de sintaxe na estruturação das chamadas de ferramentas e respostas finais.

3. Resultados Principais

Os experimentos foram conduzidos comparando o modelo proposto (baseado em Qwen3-4B) com modelos closed-source (GPT-5, GPT-4o) e open-source de grande porte (Qwen3-30B, Qwen3-80B).

• Desempenho dos Baselines: Mesmo modelos de ponta como o GPT-5 tiveram taxas de sucesso inferiores a 70% nas tarefas complexas de "Add-on Deals", destacando a dificuldade do benchmark. Modelos open-source menores (Qwen3-4B) performaram mal sem treinamento específico (ex: 6% de sucesso em bundles).
• Eficácia do Shopping Companion:
  • O modelo Qwen3-4B, após fine-tuning (LoRA) e treinamento com a estratégia de recompensas duplas e por ferramenta, alcançou 90% de precisão na extração de preferências e 84% de taxa de sucesso em produtos únicos.
  • Em tarefas complexas de bundles, alcançou 43% de sucesso, superando significativamente os baselines open-source e se aproximando do desempenho de modelos closed-source muito maiores.
• Impacto da Intervenção do Usuário: A simulação de correções do usuário (de dicas baixas a altas) melhorou consistentemente os resultados finais, validando a utilidade do mecanismo de intervenção.
• Eficiência: A adição de recompensas por ferramenta reduziu o comprimento das respostas e o número de turnos desnecessários, tornando o agente mais eficiente.

4. Contribuições Chave

1. Novo Benchmark: Introdução de um benchmark de longo horizonte para e-commerce que integra memória de conversas cruzadas, tarefas reais e intervenção do usuário, preenchendo uma lacuna crítica na literatura.
2. Framework Unificado: Proposição do Shopping Companion, que otimiza conjuntamente a recuperação de memória e a execução de tarefas, em vez de tratá-las como módulos isolados.
3. Método de Treinamento: Desenvolvimento de uma estratégia de RL com recompensas duplas e supervisionadas por ferramenta, que resolve problemas de feedback esparsos em interações multi-turno com ferramentas.

5. Significado e Conclusão

Este trabalho demonstra que a otimização conjunta da recuperação de memória e da tomada de decisão de compra é um caminho viável para criar agentes de e-commerce confiáveis e conscientes das preferências do usuário.

• Validação de Arquitetura: Mostra que um modelo leve (4B) treinado com a metodologia correta pode superar modelos muito maiores que não foram otimizados para essa tarefa específica.
• Desafios Remanescentes: O artigo destaca que tarefas de otimização combinatória (múltiplos produtos com restrições de orçamento) ainda são um desafio significativo, mesmo para os melhores modelos atuais.
• Implicações Éticas: Os autores abordam preocupações sobre privacidade (memória de longo prazo) e viés, sugerindo a necessidade de controles de usuário para inspecionar e deletar memórias.

Em suma, o Shopping Companion estabelece um novo padrão para a avaliação e desenvolvimento de agentes de IA em cenários comerciais complexos, onde a compreensão do histórico do usuário é tão crucial quanto a capacidade de buscar produtos.