English(EN) Position Bias Undermines Preference Consistency in Listwise LLM-Based Reranking

推荐系统中的 LLM 重排存在位置偏差

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:04

一篇新发表在 arXiv 上的研究论文探讨了大型语言模型 (LLM) 在推荐系统中用于重排时存在的位置偏差问题。研究发现，仅解码器的 LLM 对候选项目的呈现顺序敏感，这会导致偏好和排名不一致。研究人员开发了一个框架，用于在成对、全局和输出层面衡量这种不稳定性，并证明仅减少简单的曝光偏差不足以确保可靠的基于 LLM 的重排。 AI

影响指出了 LLM 在推荐系统应用中的一个潜在缺陷，表明需要进一步研究才能可靠部署。

排序理由发表在 arXiv 上的研究论文，详细介绍了关于 LLM 行为的技术发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 发表在 arXiv 上的研究论文，详细介绍了关于 LLM 行为的技术发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 65 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Estrid He · 2026-08-04 04:04

位置偏差破坏列表式 LLM 重排中的偏好一致性

Large language models (LLMs) have emerged as promising listwise rerankers for recommender systems, but their reliability under equivalent candidate permutations remains unclear. Since recommendation candidates form an unordered set, a reranker should not depend on the arbitrary o…

本文如何被排名

报道来源 [1]

位置偏差破坏列表式 LLM 重排中的偏好一致性

相关实体

相关话题