Stanford02 3.70
Do Recommendation Algorithms Work When Users Are LLM Agents? A Case Study on Moltbook
论文研究当平台用户变成 LLM Agent 时，传统推荐算法是否仍然有效。作者在 Moltbook 这一由 OpenClaw 自主智能体组成的社交平台上，把任务定义为预测 agent 下一步会参与哪个论坛，并评估 8 类方法，覆盖 popularity 规则、矩阵分解、ItemKNN、图方法和序列模型。实验发现，简单流行度规则或利用共现结构与 vote count 的 item-side 协同过滤，反而超过显式学习用户表征的方法；静态 agent persona 描述也未能提升参与预测。
INSIGHT这篇论文不是传统 LLM4Rec 的生成模型，但它指出了 AI-agent 用户的推荐行为可能从“个性化偏好建模”退化为“结构模式匹配”。对未来社区平台很实用：如果 UGC 搜索/推荐中出现大量代理用户、自动运营账号或 AI 创作助手，先用共现、热度、上下文结构做强基线，再谨慎引入 persona 或长序列用户画像。它也提示离线评测要把人类用户与 agent 用户分层，否则模型提升可能只是适配了非人类流量模式。
Daming Li, Simeng Han, Jialu Zhang
arXiv·2026-06-29·Relevance 3 · Novelty 4 · Practical 3 · Evidence 4 · Timely 4