FaMA: LLM-Empowered Agentic Assistant for Consumer-to-Consumer Marketplace

📄 arXiv: 2509.03890v1 📥 PDF

作者: Yineng Yan, Xidong Wang, Jin Seng Cheng, Ran Hu, Wentao Guan, Nahid Farahmand, Hengte Lin, Yue Li

分类: cs.AI

发布日期: 2025-09-04

💡 一句话要点

FaMA：基于LLM的C2C电商平台智能助手，提升用户交互效率

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 智能代理 C2C电商 自然语言交互 任务自动化

📋 核心要点

  1. C2C电商平台GUI复杂，用户操作繁琐耗时，亟需简化交互方式。
  2. 提出FaMA，利用LLM驱动的智能代理，通过自然语言交互实现任务自动化。
  3. 实验表明FaMA任务成功率达98%，交互时间缩短2倍，显著提升效率。

📝 摘要（中文）

本文提出了一种基于大型语言模型（LLM）的智能代理助手，旨在简化C2C电商平台上的用户交互。该助手通过自然语言交互，将用户从复杂的图形用户界面（GUI）中解放出来，实现更高效的任务管理。对于卖家，助手可以简化商品信息的更新和续订，以及批量消息的发送；对于买家，助手可以通过对话式搜索提高商品发现的效率。论文介绍了Facebook Marketplace Assistant (FaMA)的架构，论证了这种基于代理的对话式范式提供了一种轻量级且更易于访问的替代方案，使用户能够更高效地管理其市场活动。实验表明，FaMA在解决复杂的市场任务时达到了98%的任务成功率，并将交互时间缩短了2倍。

🔬 方法详解

问题定义：C2C电商平台（如Facebook Marketplace）的用户界面复杂，导致买家和卖家在商品发布、搜索、管理等任务上花费大量时间。现有的GUI交互方式效率低下，用户体验不佳，尤其对于不熟悉平台操作的用户而言，存在较高的使用门槛。

核心思路：论文的核心思路是利用LLM构建一个智能代理助手（FaMA），将传统的GUI交互模式转变为自然语言对话交互模式。用户可以通过自然语言指令与FaMA进行交互，FaMA负责理解用户意图，并自动执行相应的任务，从而简化用户操作，提高效率。

技术框架：FaMA的整体架构包含以下几个主要模块：1) 自然语言理解模块：负责解析用户输入的自然语言指令，提取关键信息和用户意图。2) 任务规划模块：根据用户意图，规划需要执行的任务序列。3) 工具调用模块：调用平台提供的API或工具，执行具体的任务操作，例如更新商品信息、发送消息等。4) 状态管理模块：维护用户会话状态，记录用户历史操作和偏好，以便更好地理解用户意图。5) 响应生成模块：生成自然语言回复，向用户反馈任务执行结果或提供进一步的帮助。

关键创新：FaMA的关键创新在于将LLM应用于C2C电商平台的用户交互，构建了一个智能代理助手，实现了从GUI交互到自然语言对话交互的转变。与传统的GUI交互方式相比，FaMA更加直观、便捷，降低了用户的使用门槛，提高了用户体验。此外，FaMA还能够根据用户历史操作和偏好，提供个性化的服务，进一步提升用户满意度。

关键设计：论文中没有详细描述关键参数设置、损失函数、网络结构等技术细节。但可以推测，自然语言理解模块可能采用了预训练语言模型（如BERT、RoBERTa）进行微调，以提高意图识别的准确率。任务规划模块可能采用了强化学习或规划算法，以生成最优的任务序列。工具调用模块需要与平台提供的API进行集成，并进行适当的封装和抽象。

📊 实验亮点

实验结果表明，FaMA在解决复杂的市场任务时达到了98%的任务成功率，这意味着FaMA能够准确理解用户意图并完成任务。此外，FaMA还将用户交互时间缩短了2倍，显著提高了用户效率。这些数据表明，FaMA在C2C电商平台上的应用具有显著的优势。

🎯 应用场景

该研究成果可广泛应用于各类C2C电商平台，例如二手商品交易平台、本地生活服务平台等。通过引入智能代理助手，可以显著提升用户体验，降低用户使用门槛，提高平台活跃度和交易量。未来，还可以将该技术应用于其他需要复杂GUI交互的场景，例如智能家居控制、企业办公自动化等。

📄 摘要（原文）

The emergence of agentic AI, powered by Large Language Models (LLMs), marks a paradigm shift from reactive generative systems to proactive, goal-oriented autonomous agents capable of sophisticated planning, memory, and tool use. This evolution presents a novel opportunity to address long-standing challenges in complex digital environments. Core tasks on Consumer-to-Consumer (C2C) e-commerce platforms often require users to navigate complex Graphical User Interfaces (GUIs), making the experience time-consuming for both buyers and sellers. This paper introduces a novel approach to simplify these interactions through an LLM-powered agentic assistant. This agent functions as a new, conversational entry point to the marketplace, shifting the primary interaction model from a complex GUI to an intuitive AI agent. By interpreting natural language commands, the agent automates key high-friction workflows. For sellers, this includes simplified updating and renewal of listings, and the ability to send bulk messages. For buyers, the agent facilitates a more efficient product discovery process through conversational search. We present the architecture for Facebook Marketplace Assistant (FaMA), arguing that this agentic, conversational paradigm provides a lightweight and more accessible alternative to traditional app interfaces, allowing users to manage their marketplace activities with greater efficiency. Experiments show FaMA achieves a 98% task success rate on solving complex tasks on the marketplace and enables up to a 2x speedup on interaction time.