核心发现
方法论
本文提出的MARS框架将推荐任务建模为部分可观测马尔可夫决策过程（POMDP），通过三层结构（事件、偏好、画像记忆）逐步抽象用户行为信号。事件记忆存储原始行为数据，偏好记忆维护细粒度偏好块，画像记忆则生成用户自然语言画像。引入六个操作（提取、强化、弱化、整合、遗忘、重构），由基于大语言模型（LLM）的调度器动态调控，避免固定周期。实验在四个InstructRec基准域中，MARS在HR@1和NDCG@10指标上分别超越最优基线26.4%和10.3%。
关键结果
- 在四个数据集上，MARS显著优于传统和基于LLM的推荐方法，HR@1平均提升26.4%，NDCG@10提升10.3%。在动态演化场景中，调度策略进一步提升性能，验证了生命周期管理的有效性。
- 与MemRec和i2Agent等方法相比，MARS在推荐精度和记忆管理效率上表现优异，特别是在偏好变化频繁的场景中，调度机制带来明显优势。
- 消融实验显示，层次化记忆结构和自适应调度是性能提升的关键因素，避免了平面记忆的局限性。
研究意义
该研究突破了推荐系统中记忆表示的局限，提出层次化信念状态模型，有效融合短期行为信号与长期偏好，推动个性化推荐向更具解释性和适应性的方向发展。其动态生命周期管理机制，为未来智能推荐系统提供了理论基础和工程实践路径，有望在电商、内容推荐等领域实现更精准、更个性化的用户体验。
技术贡献
技术创新在于引入三层结构的信念状态，结合强化学习思想设计完整生命周期操作，利用LLM调度实现自适应记忆维护。不同于传统平面记忆或静态模型，MARS实现了偏好抽象、动态演化与语义表达的深度融合，为推荐系统中的记忆管理提供新范式。
新颖性
首次提出层次化的信念状态模型，结合完整生命周期操作与LLM调度，系统性解决偏好抽象与记忆演化的难题，超越现有平面或静态记忆方法，具有理论创新和工程实用价值。
局限性
- 模型依赖大规模预训练LLM，计算成本较高，难以在资源有限环境中部署。
- 偏好块的自动生成和合并策略尚需优化，可能影响偏好表达的准确性和一致性。
- 在极端稀疏或偏好快速变化场景下，记忆管理策略仍存在一定局限。
未来方向
未来将探索多模态信号融合，提升偏好建模的丰富性；优化调度策略以降低计算开销；扩展到多任务和跨域推荐场景，增强系统的泛化能力。
AI 总览摘要
随着互联网内容的爆炸式增长，个性化推荐系统成为连接用户与内容的关键桥梁。传统方法多依赖协同过滤或深度学习模型，虽取得一定成功，但在理解用户意图、动态偏好变化方面存在明显局限。近年来，基于大语言模型（LLM）的推荐系统崭露头角，赋予系统更强的语义理解和推理能力，但缺乏有效的记忆管理机制，难以持续积累用户偏好。本文提出的MARS（Memory-Augmented Agentic Recommender System）通过引入层次化信念状态，结合动态生命周期管理，显著提升推荐性能。
MARS架构包括事件、偏好和画像三层记忆，分别存储原始行为信号、细粒度偏好块和用户自然语言画像。系统设计六个操作（提取、强化、弱化、整合、遗忘、重构），由基于LLM的调度器自主调控，实现记忆的自适应维护。这一机制有效平衡了记忆新鲜度与计算成本，确保偏好信息的准确性和时效性。
在四个不同的InstructRec基准域中，MARS在HR@1和NDCG@10指标上分别超越最优基线26.4%和10.3%，展现出优异的推荐效果。实验还验证了层次化记忆结构和调度策略在偏好追踪中的关键作用，为未来个性化推荐提供了新的技术路径。尽管如此，模型对大规模预训练LLM的依赖和在极端场景下的适应性仍需优化，未来工作将聚焦多模态融合和跨域扩展，推动推荐系统向更智能、更个性化的方向发展。
深度分析
研究背景
推荐系统经历了从协同过滤到深度学习的演变，诸如BPR、LightGCN、SASRec等模型在静态场景中表现优异，但难以应对用户偏好的动态变化。近年来，LLM的引入赋予推荐系统更强的语义理解能力，但缺乏有效的记忆机制，限制了个性化的深度发展。现有的记忆增强方法多为平面或静态结构，未能系统性地管理偏好的抽象、演化与遗忘，阻碍了推荐系统的持续优化。
核心问题
核心挑战在于如何构建一个能动态抽象、管理偏好变化的记忆体系，既要捕捉短期行为信号，又要维护长期偏好，避免信息冗余或冲突。现有方法多采用固定周期或简单启发式，缺乏灵活调度机制，导致偏好信息滞后或过时，影响推荐效果。此外，缺少完整的生命周期管理，使得偏好偏移难以及时反映，限制了系统的适应性。
核心创新
本研究的创新点包括：1）提出三层层次化信念状态，分别存储原始行为、偏好块和用户画像，增强偏好抽象能力；2）设计完整的六操作生命周期（提取、强化、弱化、整合、遗忘、重构），由LLM调度实现自适应维护；3）引入动态调度策略，避免固定周期带来的局限，提升偏好追踪的实时性和准确性。这些创新共同推动推荐系统向更具解释性和适应性的方向发展。
方法详解
- �� 构建POMDP模型，将用户偏好视为隐藏状态，行为信号为部分观测。• 设计三层记忆结构：事件存储原始行为，偏好存储细粒度偏好块，画像生成用户自然语言描述。• 每层记忆由专门的操作（提取、强化、弱化、合并、遗忘、重构）管理，操作由LLM调度器自主选择。• 采用贝叶斯滤波等方法进行偏好更新，结合偏好强度和证据追踪，确保偏好演化的合理性。• 通过调度策略动态决定何时进行偏好提取、合并或遗忘，保持记忆的最新性和有效性。• 最终利用自然语言生成的画像和偏好块作为输入，进行个性化排序，提升推荐准确率。
实验设计
在四个InstructRec基准域（Books、Goodreads、MovieTV、Yelp）上，采用留一法评估推荐效果。对比传统模型（BPR、LightGCN、SASRec）和LLM基础方法（LLMRank、MemRec、i2Agent），指标包括HR@1、NDCG@10。设置不同记忆调度策略（固定与调度），验证生命周期管理的效果。参数包括最大记忆长度Lmax=15，偏好块容量K，调度频率等，确保公平比较。实验还包括消融分析，验证层次化结构和调度策略的贡献。
结果分析
MARS在所有域中均优于对比模型，HR@1平均提升26.4%，NDCG@10提升10.3%。调度策略显著优于固定调度，尤其在偏好快速变化场景中表现更佳。消融实验显示，层次化记忆和自适应调度是性能提升的核心因素。结果表明，系统能更准确捕捉用户偏好变化，提升个性化推荐的精度和鲁棒性。
应用场景
该方法适用于电商、内容平台、社交媒体等场景，能实现更精准的用户画像和内容匹配。依赖大规模预训练LLM，适合资源充足的企业部署。未来可扩展到多模态数据融合和跨域推荐，增强系统的适应性和泛化能力。
局限与展望
模型对大规模LLM依赖，计算成本高，难以在低资源环境中部署。偏好块的自动生成和合并策略仍需优化，可能影响偏好表达的准确性。极端稀疏或偏好快速变化场景下，记忆管理策略仍有改进空间。
通俗解读 非专业人士也能看懂
想象你在经营一家餐厅，你每天都要记住每位常客喜欢吃什么、偏好什么口味。以前你可能用纸笔记下来，但每次客人点餐时都要翻一翻，容易忘记细节。现在，你用一个智能助手，它不仅记住每个客人的偏好，还能根据他们最近的点餐行为，自动调整记忆内容。这个助手会把信息分成三层：第一层是他们最近点的菜（原始信号），第二层是他们偏爱的菜系或口味（偏好块），第三层是用自然语言描述的完整画像（整体用户画像）。每当有新信息时，助手会决定是加强某个偏好、淡化一些信息、合并相似偏好，还是忘记一些过时的内容。这些操作由一个聪明的调度系统自主决定，确保记忆既新鲜又不繁琐。这样，餐厅的服务变得更贴心，客人也更满意。这个系统就像一个聪明的厨师助手，能不断学习和调整，帮你更好地了解每位客人的需求。
简单解释 像给14岁少年讲一样
想象你在学校里有很多朋友，每个人都喜欢不同的游戏和食物。有时候你会忘记谁喜欢什么，或者朋友的兴趣发生了变化。现在，假设你有一个超级聪明的朋友，他不仅记住了每个人的喜好，还会根据你们最近的聊天内容，帮你整理出每个人的最新兴趣。这个朋友会把信息分成三部分：第一部分是你们最近的对话（原始行为），第二部分是朋友们喜欢的类型（偏好块），第三部分是用一句话总结每个人的性格和兴趣（整体画像）。每次你们有新聊天，他会决定是加强某个兴趣、淡化一些旧的偏好、合并相似的兴趣，还是忘记一些不再重要的内容。这一切都由他自己决定，不需要你操心。这样，你就能更快了解朋友们的最新喜好，和他们相处得更开心。这就像一个聪明的朋友，帮你记住所有重要的事情，还会不断调整，变得越来越懂你。
原文摘要
Memory-augmented LLM agents have advanced personalized recommendation, yet existing approaches universally adopt flat memory representations that conflate ephemeral signals with stable preferences, and none provides a complete lifecycle governing how memory should evolve. We propose MARS (Memory-Augmented Agentic Recommender System), a framework that treats recommendation as a partially observable problem and maintains a structured belief state that progressively abstracts noisy behavioral observations into a compact estimate of user preferences. MARS organizes this belief state into three tiers: event memory buffers raw signals, preference memory maintains fine-grained mutable chunks with explicit strength and evidence tracking, and profile memory distills all preferences into a coherent natural language narrative. A complete lifecycle of six operations -- extraction, reinforcement, weakening, consolidation, forgetting, and resynthesis -- is adaptively scheduled by an LLM-based planner rather than fixed-interval heuristics. Experiments on four InstructRec benchmark domains show that MARS achieves state-of-the-art performance with average improvements of 26.4% in HR@1 and 10.3% in NDCG@10 over the strongest baselines with further gains from agentic scheduling in evolving settings.