MAREval：用于评估自然语言推荐解释的多智能体框架

MAREval 是一种利用 LLM 评估推荐系统自然语言解释的结构化多智能体框架。该框架协同规划、调节与仲裁智能体，结合 Chain of Debate 策略和蒙特卡洛采样，显著提升了评估鲁棒性与人类判断对齐度。在 TopicalChat 评测及在线 A/B 测试中，MAREval 显著降低了重复试验的变异度，并提升了用户参与度与收入指标。