ショッピング・コンパニオン：実世界のeコマースタスクのためのメモリ拡張型LLMエージェント

要旨: 電子商取引において、LLMエージェントは推奨、予算管理、バンドル取引といったショッピングタスクに有望を示しており、長期的な会話からユーザーの嗜好を正確に把握することが重要です。しかし、この潜在能力を実現するには2つの課題が障害となります：（1）長期的な嗜好認識を伴うショッピングタスクを評価するベンチマークの欠如、（2）嗜好識別とショッピング支援を別個のコンポーネントとして扱う既存設計によるエンドツーエンド最適化の欠如。 本論文では、長期記憶設定を備えた新しいベンチマークを導入し、120万点の実世界の製品にまたがる2つのショッピングタスクを横断し、嗜好取得とショッピング支援を共同で対処する統合フレームワーク「Shopping Companion」を提案します。 このような能力を訓練するために、マルチターン相互作用に内在するスパースで不連続な報酬を扱うツール別報酬を備えた二重報酬強化学習戦略を開発します。 実験結果は、最先端モデル（GPT-5 など）でも当社のベンチマークで成功率が70%未満になることを示しており、この分野の重要な課題を強調しています。 特に、Shopping Companion で訓練された軽量なLLMは、強力なベースラインを一貫して上回り、嗜好の取り込みとタスクのパフォーマンスを改善し、私たちの統一設計の有効性を裏付けています。