研究人员开发了CRIM，一个旨在提高个性化搜索和推荐系统效率的新框架。CRIM将项目编码与用户历史建模分开，使用可学习的摘要令牌将项目压缩成可重用的记忆。通过避免重复编码项目文本，这种方法显著降低了个性化检索中大型语言模型的计算成本。在MovieLens-1M和Qilin等数据集上的评估表明，CRIM以显著降低的推理成本实现了最先进的性能。 AI
影响 降低了AI个性化搜索和推荐系统的推理成本，可能促进更广泛的应用。
排序理由 该集群描述了一篇新的研究论文，其中详细介绍了一个用于提高AI模型效率的新颖框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.35323v1 Announce Type: cross Abstract: Large language models incur substantial training and inference costs in personalized search and recommendation, as growing interaction histories lengthen request inputs and repeatedly expose the same item text to the model. We pro…
Large language models incur substantial training and inference costs in personalized search and recommendation, as growing interaction histories lengthen request inputs and repeatedly expose the same item text to the model. We propose \textbf{C}omposable and \textbf{R}eusable \te…