PACERec

PACERec框架增强LLM嵌入，以改进推荐系统

研究人员推出PACERec，一个旨在通过渐进式适应大型语言模型（LLM）物品嵌入来增强推荐系统的新框架。该方法解决了当前方法常忽略序列转换并在稀疏交互数据（尤其对不太受欢迎的物品）方面存在局限性的问题。PACERec学习一个共享的速率场，使用频率加权流匹配来整合先前的交互上下文，从而引导静态LLM嵌入朝向行为目标，并提高用户建模和候选评分的序列模式泛化能力。在真实数据集上的实验表明，PACERec在整体和长尾推荐场景中均优于现有方法。