PulseAugur
中
实时 05:28:11

新研究探索基于LLM的潜在推理用于生成式推荐 · 跟踪3个来源

作者 PulseAugur 编辑部 · [3 个来源] ·

三篇新研究论文介绍了生成式推荐系统的先进技术，旨在提高效率和准确性。LaRec专注于LLM中的“潜在推理”，以平衡响应时间和推理深度，解决了稀疏监督和单路径限制。CogRec采用“结构-认知快慢推理”框架，将中间推理 grounding 在语义ID（SID）拓扑结构中，通过层级操作增强预测。OxygenREC-v2通过将生成条件设置为记录的用户行为，并使用特权交互数据进行无需奖励模型的策略优化来“内化判别”，在大规模电子商务测试中展示了点击转化率和GMV的显著提升。 AI

影响 生成式推荐领域的这些进展可能带来跨各种平台的更个性化和高效的用户体验。

排序理由 三篇在arXiv上发表的关于生成式推荐系统新方法的独立研究论文。

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →

新研究探索基于LLM的潜在推理用于生成式推荐 · 跟踪3个来源

报道来源 [3]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Yao Hu ·

    LaRec：释放基于LLM的潜在推理以实现生成式推荐

    Large Language Models (LLMs) have shown great promise in recommendation due to superior reasoning abilities. However, existing methods mainly rely on explicit Chain-of-Thought (CoT), resulting in verbose reasoning texts and inefficient response times. latent reasoning aims to bal…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Songlin Hu ·

    CogRec：生成式推荐的结构认知快慢推理

    Semantic-ID-based generative recommendation represents each item as a hierarchical discrete token sequence and reformulates next-item prediction as constrained sequence generation. Existing methods, however, mainly use Semantic IDs as target sequences to be memorized, leaving the…

  3. arXiv cs.IR (Information Retrieval) TIER_1 Italiano(IT) · Pinghua Gong ·

    OxygenREC-v2：将歧视内化为生成式推荐

    Generative recommendation unifies retrieval and ranking within a single model by autoregressively decoding semantic identifier (SID) sequences. Yet reliably incorporating behavior signals from clicks, cart additions, and orders remains challenging. Existing approaches either join…

相关实体

相关话题