研究人员开发了一种名为Deco的新方法,用于生成式推荐系统,该方法将“思考”过程与项目标识符的“拼写”分离开来。这种方法允许系统将用户历史浓缩成一个单一的概念,从而使轻量级解码器能够高效地生成推荐。Deco在各种数据集上实现了比标准方法显著更高的吞吐量,速度提升了3.2-8.6倍,同时保持了相当或更好的准确性。这种效率使得更大的候选池和更强大的LLM骨干模型在推荐任务中变得可行。 AI
影响 该方法可以显著提高推荐系统的效率和可扩展性,从而以更低的延迟实现更个性化的建议。
排序理由 该集群包含一篇详细介绍生成式推荐系统新技术方法的学术论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Deco
- Gotit.pub
- Hugging Face
- Litmaps
- ScienceCast
- scite Smart Citations
- Danil Gusak
- Influence Flower
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →