Lusifer: LLM-based User SImulated Feedback Environment for online Recommender systems

训练基于强化学习的推荐系统通常受到缺乏动态和现实用户交互的限制。一种名为Lusifer的新型环境利用大型语言模型（LLM），通过生成模拟用户反馈来解决这个问题。它综合用户资料和互动历史，模拟对推荐物品的响应和行为。此外，每次评分后，用户资料都会更新以反映不断变化的用户特征。本文以MovieLens100K数据集为概念验证，证明了Lusifer准确模拟用户行为和偏好的能力。本文介绍了Lusifer的操作流程，包括提示生成和迭代用户资料更新。虽然验证了Lusifer生成逼真动态反馈的能力，但未来的研究可以利用这个环境来训练强化学习系统，为在线推荐系统中的用户模拟提供可扩展和可调整的框架。

Lusifer试图解决的问题是在训练强化学习推荐系统时缺乏动态和真实的用户交互的问题。

Lusifer使用大型语言模型（LLMs）生成模拟用户反馈来解决这个问题，并更新用户特征以模拟用户行为和偏好的变化。

Lusifer使用MovieLens100K数据集作为概念验证，展示了准确模拟用户行为和偏好的能力。论文介绍了Lusifer的操作流程，包括提示生成和迭代用户特征更新。未来的研究可以利用Lusifer来训练强化学习系统，为在线推荐系统中的用户模拟提供可扩展和可调整的框架。

最近的相关研究包括使用生成对抗网络（GANs）进行用户模拟的研究，如“Generative Adversarial User Model for Reinforcement Learning Based Recommendation System”。