LLM-Driven Interpretations

LLM将复杂的推荐系统编辑转化为人类可读的解释

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。