CogRec：説明可能な推薦のための認知レコメンダーエージェント

この論文は、大規模言語モデル（LLM）をSoar認知アーキテクチャと統合することにより、推薦システムにおけるLLMの限界に対処しています。主な貢献は、LLM（ユーザーの好みの理解）とSoar（構造化された推論と解釈可能性）の強みを組み合わせたシステムであるCogRecの開発です。このアプローチは、LLMのブラックボックス性、幻覚の問題、および限られたオンライン学習能力を克服し、より信頼性が高く、適応性の高い推薦システムにつながることを目指しています。この論文の重要性は、説明可能なAIへの新しいアプローチと、推薦の精度を向上させ、ロングテール問題を解決する可能性にあります。

• •説明可能な推薦のためにLLMとSoarを組み合わせる。
• •ブラックボックス性や幻覚など、LLMの限界に対処する。
• •知覚-認知-行動（PCA）サイクルを採用。
• •行き詰まりに対する解決策を動的にLLMに問い合わせる。
• •オンライン学習とルールの作成にSoarのチャンキングを使用。
• •精度、説明可能性、ロングテール問題解決における利点を実証。