HiGenTrans：三层LLM知识迁移改进生成式推荐
热点事件持续更新
HiGenTrans：三层LLM知识迁移改进生成式推荐
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Zhuohang Jiang等研究者提出HiGenTrans，一个在输入、表示和决策三个层面把LLM知识迁移到生成式推荐的三层框架，旨在解决仅靠交互监督和beam-search排序不准的问题。论文报告，在三个公开基准上，其Recall@10最高提升12.9%，NDCG@10最高提升33.7%。论文称，语义特征仅从可观测的交互前缀计算并可离线缓存，以避免目标泄漏。
AI 根据报道生成 · 4 小时前更新
最新进展11月3日 13:00
HiGenTrans：用分层 大语言模型（LLM，Large Language Model） 知识迁移改进生成式推荐报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AIHiGenTrans：用分层 大语言模型（LLM，Large Language Model） 知识迁移改进生成式推荐
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。