标签
本文介绍了LIGE-GR，一种使用大型语言模型平滑地从传统排名过渡到生成式推荐系统的方法，旨在提升LLM时代的推荐性能。
本文提出了NarraLite，一个高效的多模态生成式推荐框架，它利用潜在叙事推理来改进剧集内容预测，以提高准确性和效率。
本文提出DASO，一种针对生成式推荐的树感知后训练方法，通过分析rollout组并根据前缀匹配深度重新分配，解决GRPO中的难度不匹配问题，在公开基准测试中提升性能。
本文提出GenCDSR，一种用于跨域序列推荐的生成式框架，采用混合分词与串并化解码，在准确率上优于现有最优基线，并将推理延迟显著降低。
本文系统性地研究了生成式推荐中的语义ID（SID），发现SID虽然保留了物品的粗粒度组织，但丢失了编码器中的细粒度局部结构。作者提出物品支持解码（ISD），一种轻量级的推理时方法，在无需额外参数或重新训练的情况下，将NDCG@10提升高达31.2%。
本文提出PauseRec，一种用于基于LLM的生成式推荐的轻量级隐式推理范式，其性能优于显式思维链方法，同时显著降低训练和推理成本。