现代推荐系统正从平台中心化的个性化转向用户主导的个性化，即让个人 LLM 代理在多个服务上代表用户行动。我们将这一新兴范式形式化为 个人代理调解推荐：平台推荐器仅使用平台内部信息对候选集合进行排序，个人代理则利用用户授权的跨平台历史对该排序进行调解，输出最终的 Top‑K 推荐列表。\ \ 调解并非简单的覆盖。平台排序往往蕴含强大的群体信号，个人代理无法直接观察；因此有效的调解必须在有益的拯救（rescue）和有害的覆盖（override）之间取得平衡。\ \ 为研究这一权衡，我们构建了 MediateRec 基准。它提供可扩展的代理跨平台环境，并在受控的信息边界下提供真实的跨平台测试。\ \ 在训练代理充分利用跨平台历史时，我们提出 个人归因调解优化（PAMO）。核心思想是对历史进行反事实掩码，以估计个人调解的支持度，然后在保持平台相对价值下限的前提下，将排名感知的优势质量（advantage mass）重新分配。公式上，若 $v_i$ 为平台对第 $i$ 项的相对价值，@@@MATH_BLOCK2@@@ 为调解后分配的优势质量，则 PAMO 满足： $$ \sum{i=1}^K \Delta_i = \text{advantage mass}, \quad \forall i, \; v_i + \Delta_i \geq \tau $$ 其中 $\tau$ 为平台价值下限。我们证明 PAMO 保持截断层级的优势质量，并在保持平均平台相对价值不下降的所有一阶重新分配中局部最优。\ \ 实验在 MediateRec 上表明，个人代理调解能够实现有意义的平台纠正，但即使是强大的专有 LLM 也会产生不可忽视的有害覆盖。相比仅基于结果的强化学习，PAMO 在已见和未见目标平台以及真实跨平台测试上均表现更佳，并实现了更好的拯救‑伤害平衡。
点评