SharpRec

LLM通过新颖的融合和合并技术增强推荐系统 · 跟踪2篇论文

两篇新的研究论文提出了使用大型语言模型（LLM）增强序列推荐系统的新颖方法。第一篇，IMFuse，引入了一种实例感知的多层融合策略，该策略自适应地聚合来自各种LLM层的语义信息，平均性能比现有方法高出6.72%。第二篇，SharpRec，通过采用锐度感知几何对齐和偏好显著性激活来解决跨域序列推荐中的挑战，以防止模型合并过程中的知识冲突和性能饱和。两种方法在广泛的实验中都显示出比最先进的基线有显著的改进。