AlignUSER: 通过世界模型实现人类对齐的LLM智能体用于推荐系统评估

arXiv 26.1 2026 60 method, application

TLDR

AlignUSER使用世界模型和反事实轨迹将LLM智能体与人类行为对齐，用于推荐系统评估。

评分理由

The paper introduces a novel framework that combines world modeling with human alignment, addressing limitations of few-shot prompting. Strengths include explicit next-state prediction and counterfactual learning, while weaknesses are not evident from the abstract alone. The evaluation on multiple datasets supports real-world applicability.

Read-first 评分解释

综合优先阅读分 60，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 38。

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集、评估、指标

主题相关性 42%

54.3

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集、复现

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：344。

关键词评分

world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

world simulator

generative world model

video world model

深度分析

创新点

从人类交互中学习世界模型驱动的智能体用于推荐系统评估
将世界建模形式化为从展开序列中预测下一个状态的任务
使用演示周围的反事实轨迹，通过LLM比较和教训提取来对齐智能体行为与人类角色

方法

AlignUSER将世界建模形式化为从动作和状态的展开序列中预测下一个状态的任务，使智能体能够内化环境。为了将动作与人类角色对齐，它在演示周围生成反事实轨迹，并提示LLM将其决策与人类选择进行比较，识别次优动作并提取经验教训。学习到的策略随后驱动智能体与推荐系统的交互。

关键结果

AlignUSER在多个数据集上进行了评估，并在微观和宏观层面上显示出比先前工作更接近真实人类的对齐。

资源

论文