HR@10

研究发现LLM推荐系统对数据预处理敏感

研究人员探讨了不同的数据预处理技术如何影响用于推荐系统的大型语言模型（LLM）的性能和人口统计敏感性。他们在MovieLens-1M数据集上的实验表明，使用原始电影标题和采用目录约束管道可显著提高HR@10和Coverage@10等推荐效用指标。虽然年龄平衡和知识丰富在不造成显著效用损失的情况下减小了效用差距，但性别平衡降低了效用，并且没有改善评估的性别相关指标。该研究强调需要联合评估预处理选择对其效用、输出行为和人口统计敏感性的影响。