研究人员开发了一种新的群体推荐系统方法，该方法使用经过微调的大型语言模型（LLM）来根据对公平性、满意度和共识的预测人类偏好，动态选择最佳推荐策略。通过在人类调查数据上训练LLM，他们创建了“Judgmental Llama”和“Judgmental OLMo”模型来模拟群体评估。一项包含284名参与者的用户研究验证了这种方法，结果显示该方法在满意度和群体共识方面得分更高，尤其是在考虑LLM判断与群体配置之间的交互效应时。 AI
影响 这项研究通过使系统能够更好地理解和适应群体内多样化的用户偏好，有望带来更个性化和公平的推荐。
排序理由 该集群包含两篇相同的arXiv预印本，详细介绍了关于LLM在推荐系统中的应用的论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- Cedric Waterschoot
- CORE Recommender
- DagsHub
- DeepSeek-V3.1
- Gotit.pub
- Hugging Face
- Judgmental Llama
- Judgmental OLMo
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
