TRACER用token重分配解决生成式推荐概念遗忘中的SID共享冲突
资讯摘要
论文提出TRACER，一个面向生成式推荐的概念遗忘框架。作者指出，生成式推荐以语义ID（SID）序列做自回归预测，但SID是抽象标识符，常被遗忘项与保留项共享，直接套用LLM遗忘方法会损害推荐效果。TRACER改为将概念相关物品重分配到替代token，并引入一致性正则项保持保留项语义一致。作者报告在真实数据集上能有效移除目标概念，且推荐效用保持优于现有基线。
要点速读
- 论文指出SID为抽象标识符且常被遗忘项与保留项共享，导致概念移除与推荐效用冲突
- TRACER将概念相关物品重分配到替代token，而非直接抑制共享SID
- 作者报告在真实推荐数据集上移除目标概念的同时，推荐效用保持优于现有遗忘基线
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 2026/11/4 08:00:28（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。