标签
本文提出了一种面向度假租赁市场的免训练基于LLM的候选生成流水线，使用现成LLM合成语义查询，并通过密集检索来补充协同过滤，显著提升了对长尾房源的覆盖，同时保持了在热门房源上的性能。
F-GRPO 提出了一种分解式组相对策略优化框架，将候选生成与排序统一在单个自回归LLM中，解决了信用分配问题，并在序列推荐和多跳问答基准上提升了顶级性能。