English(EN) Understanding Generative Recommendation with Semantic IDs from a Model-scaling View

LLM-as-RS在生成式推荐中优于语义ID模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-08 04:00

一篇新的研究论文探讨了使用语义ID的生成式推荐系统的局限性，发现随着模型规模的扩大，其性能会饱和。研究提出，直接使用大型语言模型（LLMs）作为推荐器具有更好的扩展性，并且可以实现高达20%的性能提升。这项研究表明，LLM-as-RS是未来生成式推荐基础模型更有前景的方向。 AI

影响表明基于LLM的推荐系统比当前的语义ID方法具有更好的扩展性，有可能改善用户体验。

排序理由学术论文，详细介绍了关于推荐系统模型扩展的新发现。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Jingzhe Liu, Liam Collins, Jiliang Tang, Tong Zhao, Neil Shah, Clark Mingxuan Ju · 2026-06-08 04:00

从模型规模化视角理解基于语义ID的生成式推荐

arXiv:2509.25522v3 Announce Type: replace Abstract: Recent advancements in generative models have allowed the emergence of a promising paradigm for recommender systems (RS), known as Generative Recommendation (GR), which tries to unify rich item semantics and collaborative filter…