GLOBE: una memoria agentica strutturata in evoluzione per ottimizzare i prodotti dell’e-commerce nella ricerca generativa

Abstract degli autori

Ottimizzare le schede prodotto per la ricerca generativa richiede agli agenti linguistici non solo di riscriverle efficacemente, ma anche di migliorarsi continuamente conservando le strategie che hanno avuto successo in categorie diverse. Gli approcci esistenti, però, spesso trattano le schede strutturate come testo libero: le strategie efficaci restano implicite nei prompt, nelle traiettorie di ricerca o nei testi riscritti, anziché accumularsi in una memoria agentica riutilizzabile. Per superare questo limite, presentiamo GLOBE, un framework agentico che favorisce il miglioramento continuo conservando le conoscenze sull’ottimizzazione in un manuale in evoluzione di comportamenti espliciti, specifici per campo. In ogni episodio, un Editor applica i comportamenti pertinenti e riceve un feedback basato sul posizionamento, che un Reflector traduce in aggiornamenti dei comportamenti. Per garantire un’esecuzione affidabile nelle applicazioni reali, un Moderator elimina le proposte ridondanti, un Curator registra le modifiche approvate e i comportamenti che si rivelano sistematicamente dannosi vengono disattivati. Questo ciclo trasforma il feedback dei singoli episodi in una memoria persistente per l’ottimizzazione, specifica per campo. Gli esperimenti mostrano che i comportamenti strutturati superano l’ottimizzazione monolitica dei prompt, mentre l’evoluzione guidata dal feedback e la moderazione ne migliorano ulteriormente l’efficacia e riducono il rischio di peggioramenti. I comportamenti appresi restano efficaci anche su categorie di prodotti mai incontrate, suggerendo che l’evoluzione della memoria agentica favorisce un’ottimizzazione dei prodotti interpretabile e trasferibile.