研究人员开发了一种使用大型语言模型(LLM)将复杂反事实编辑列表转化为推荐系统可理解的自然语言解释的方法。这些LLM驱动的解释旨在通过总结更高级别的偏好模式来弥合原始解释数据与用户理解之间的差距。在MovieLens-1M数据集上的评估表明,这些摘要达到了很高的语言质量,并且像直接偏好优化(Direct Preference Optimization)这样的方法可以提高语义指标。 AI
影响 增强用户对AI驱动推荐的理解,可能增加信任和采用率。
排序理由 该集群包含详细介绍改进推荐系统解释新方法的学术论文。
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- Counterfactual Edits
- Counterfactual explanation (CFX)
- DagsHub
- Direct Preference Optimization: Your Language Model is Secretly a Reward Model
- Gotit.pub
- Hugging Face
- Human Narratives in Science: The Power of Storytelling
- Influence Flower
- LLM-Driven Interpretations
- MovieLens 1M
- Recommender System Explanations
- ScienceCast
- SPINRec
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →