Meta 论文：PAMO 让个人智能体跨应用优化推荐
New Meta paper shows that a personal AI agent can improve an app's recommendations with your history from other apps, if it learns when to defer.
Meta 新论文提出 PAMO 训练方法，让个人 AI 智能体借助跨应用历史改进推荐，并学会何时让位于平台原有排序。在带有 Nintendo 和 Xbox 历史的真实 Steam 用户上，4B 的 PAMO 智能体 top-10 命中率达 47.9%，平台为 40.8%，并在全部 5 个测试集上优于标准 RL 训练。论文主张个人智能体默认应让位，仅在用户历史提供具体证据时才覆盖其他应用的结果。
正文 · AI 翻译
Meta 的新论文表明，个人 AI 智能体可以借助你在其他应用中的历史记录来改进某个应用的推荐，前提是它学会何时让位。
每个应用仅根据你在该应用中的行为，加上其他用户的模式来对条目排序。个人智能体能够看到跨应用的活动，但它也可能因为漏掉正确的条目而破坏原本良好的排序。
他们构建了 PAMO，这是一种训练方法，通过隐藏跨应用历史来观察智能体的哪些回答依赖于该历史。依赖该历史的回答会获得更多奖励，但前提是排序准确率不下降。
在带有 Nintendo 和 Xbox 历史的真实 Steam 用户上，4B 的 PAMO 智能体 top-10 命中率达到 47.9%，而平台为 40.8%。它还在全部 5 个测试集上优于标准 RL 训练。
会修改其他应用结果的个人智能体应默认让位，仅在用户历史提供具体证据时才进行覆盖。
– arxiv. org/abs/2610.07588
标题：“Personal-Agent Mediated Recommendation with Cross-Platform User History”