研究人员开发了ReflectRec,一种新颖的基于LLM的推荐系统,通过循环一致性机制验证用户偏好。这种方法确保生成的偏好笔记可以从用户历史中准确恢复,从而为低可恢复性偏好实现条件再生。该系统还将未来的用户行为洞察作为协作提示。在MovieLens-100K和MovieLens-1M数据集上进行测试时,ReflectRec在各种LLM骨干网络上的Hit@10方面,相比现有方法有了显著改进,比CoT4Rec-ICL高出16.25个百分点。 AI
影响 通过验证偏好和整合未来用户行为来提高LLM推荐的准确性。
排序理由 该集群包含一篇详细介绍基于LLM的推荐系统新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Amazon Electronics
- arXiv
- CoT4Rec-ICL
- Llama 3.3 70B Instruct
- MovieLens-100k
- MovieLens 1M
- Qwen2.5-72B
- Qwen3 30B
- ReflectRec
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →