流行度偏差

深度分析

「CtrlBench-Rec」框架：量化推薦系統可控性的多代理人評估方法

推薦系統常被視為黑盒子，導致使用者無法有效引導推薦結果。研究團隊提出 CtrlBench-Rec 框架，利用協作多代理人系統與演化融合演算法，將評估分為目標內容發現、興趣畫像塑造及流行度偏差緩解三項任務。實驗證明該框架能有效量化推薦系統的可控性，並揭露系統對長尾內容的引導具有強烈抵抗力。