ऑप्टएजेंट: मल्टी-एजेंट सिमुलेशन के माध्यम से ई-कॉमर्स के लिए क्वेरी पुनर्लेखन का अनुकूलन

सक्षम और उपयोगकर्ता-संरेखित एलएलएम-आधारित sistemas की तैनाती के लिए विश्वसनीय मूल्यांकन की आवश्यकता होती है। जबकि एलएलएम कोडिंग और गणित जैसे सत्यापित कार्यों में उत्कृष्ट होते हैं, जहां स्वर्ण-मानक समाधान उपलब्ध होते हैं, एकल सही उत्तर की कमी वाले विषयगत कार्यों के लिए अपनाने में चुनौतियाँ बनी रहती हैं। ई-कॉमर्स क्वेरी पुनर्लेखन (क्यू आर) एक ऐसी समस्या है जहाँ पुनर्लेखित क्वेरी के सही उपयोगकर्ता इरादे को सही तरीके से पकड़ना एल्गोरिदमिक रूप से अत्यंत कठिन है। इस काम में, हम ऑप्टएजेंट प्रस्तुत करते हैं, एक नया ढांचा जो मल्टी-एजेंट सिमुलेशन को अनुवांशिक एल्गोरिदम के साथ जोड़ता है ताकि क्यू आर के लिए क्वेरी को सत्यापित और अनुकूलित किया जा सके। एक स्थिर पुरस्कार मॉडल या एकल एलएलएम न्यायाधीश पर निर्भर रहने के बजाय, हमारी विधि कई एलएलएम-आधारित एजेंटों का उपयोग करती है, प्रत्येक एक अनुकरणीय खरीदारी ग्राहक के रूप में कार्य करता है, जो एक गतिशील पुरस्कार संकेत के रूप में कार्य करता है। इन एजेंटों द्वारा प्राप्त स्कोर का औसत एक विकासात्मक एल्गोरिदम के लिए एक प्रभावी फ़िटनेस फ़ंक्शन के रूप में कार्य करता है जो उपयोगकर्ता की प्रारंभिक क्वेरी को आवधिक रूप से परिष्कृत करता है। हम ऑप्टएजेंट का मूल्यांकन 1000 वास्तविक दुनिया की ई-कॉमर्स क्वेरी के एक डेटासेट पर पाँच विभिन्न श्रेणियों में करते हैं, और हम मूल उपयोगकर्ता क्वेरी पर 21.98% का औसत सुधार और एक बेस्ट-ऑफ़-एन एलएलएम पुनर्लेखन आधारभूत पर 3.36% का सुधार देखते हैं।