回到最新动态
研究论文 / THE SIGNAL

JevRec:面向LLM生成式推荐的可变长度编码

JevRec: Linguistic Encoding with Jev-like Decision Modeling for LLM-based Generative Recommendation

重要性 4.5 AI 辅助整理

JevRec用可变长度SID编码商品并分离长度与内容预测头。

资讯摘要

论文提出JevRec,将商品编码为可变长度词,让高频商品用较短语义标识符、长尾商品保留更丰富描述,以缓解统一SID长度带来的效率与语义压缩问题。作者用独立输出头分别预测长度分布和生成内容,并共享交互历史表示。在三个公开数据集上,作者报告其推荐指标优于所比较的基线,训练与推理时间低于TIGER,长度与内容预测间的梯度冲突也有所减少。

要点速读

  1. JevRec将商品编码为可变长度词,高频商品得到更短SID,长尾商品保留更丰富语义描述。
  2. 采用类似Jev的决策建模:专用头预测长度分布,另一头按长度生成内容,共享交互历史表示。
  3. 作者报告在三个公开数据集上优于所比较基线,训练和推理时间低于TIGER,并减少长度与内容预测的梯度冲突。

中文摘要由 AI 根据公开来源生成,可能存在理解偏差;具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21(北京时间)。 arXiv 日期为本次公告时间,论文初次投稿日期请查看原文版本记录。

阅读 arXiv · cs.CL 原文arxiv.org · 在新窗口打开