第 242 题：对话式推荐，多轮对话的状态跟踪？
题目
对话式推荐，多轮对话的状态跟踪？
完整讲解
一、对话式推荐的特点
- 推荐通过多轮对话完成：用户表达需求、系统推荐或追问、用户反馈（喜欢/不喜欢/细化），系统更新理解并再推荐。状态跟踪是核心，否则无法利用历史轮次信息。
二、状态跟踪的内容
- 用户状态：当前意图（探索/精确查找/比较）、已表达偏好（类型、属性、显式拒绝）、历史推荐与反馈（已展示、已点击、已拒绝）。
- 对话状态：当前轮话题、待澄清项（如「想要什么价位」）、已澄清项；槽位填充式或自由形式均可。
- 更新时机：每轮用户回复后，用 NLU 或 LLM 做意图与实体抽取，更新状态；再根据状态调用推荐逻辑（检索/排序）并生成回复。
三、实现方式
- 规则 + 状态机：预定义槽位与转移，适合简单流程。
- LLM 状态摘要：每轮将「历史对话 + 当前回复」输入 LLM，输出结构化状态（JSON）或摘要，下游推荐与生成基于该状态；可结合 RAG 注入产品知识。
- 联合模型：端到端对话模型同时做状态预测与回复生成，或状态与推荐模块分离、通过状态接口耦合。评估需看状态准确率与任务完成率。
面试要点
- 能说清对话式推荐中状态跟踪包含什么：用户意图、偏好、历史推荐与反馈、对话槽位。
- 能说明状态如何更新（每轮 NLU/LLM）、与推荐与生成的衔接，以及规则与 LLM 两种实现思路。
记忆要点
- 对话式推荐：多轮交互，状态跟踪=意图+偏好+历史推荐与反馈+槽位。
- 实现：每轮更新状态（规则或 LLM），再推荐+生成；可状态机或 LLM 摘要。