arXiv · cs.AI · Zhuohang Jiang, Yuxin Chen, Haohao Qu, ZeFei luo, Yunlong Wang, Xu Yuan, Haojie Ding, Boheng Zhang, Fan Yang, Hongyang Wang, Jun Wang, Zhongbo Sun, Wenqi Fan, Li Qing, Wenwu Ou, Peng Jiang · 10 小时前模型评分34
HiGenTrans：用分层 大语言模型（LLM，Large Language Model） 知识迁移改进生成式推荐
HiGenTrans: Hierarchical LLM Knowledge Transfer for Generative Recommendation
导读
研究者提出三层框架 HiGenTrans，在输入、表示和决策三个层面把大语言模型（LLM，Large Language Model）的知识迁移到生成式推荐中，解决仅靠交互监督和 beam-search 排序不准的问题。在三个公开基准上，Recall@10 最高提升 12.9%，NDCG@10 最高提升 33.7%。所有语义特征只从可观测的交互前缀计算，可离线缓存，避免目标泄漏。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：零售与营销
事件类型：研究发布
证据摘录
- “To address these limitations, we propose HiGenTrans, a three-level framework that introduces LLM knowledge at the input, representation, and decision levels.”
来源：arXiv · cs.AI · arxiv.org