微调数据预处理影响LLM推荐效果与公平性

微调数据预处理需同时评估效用、输出行为与人口统计敏感性。

资讯摘要

论文研究生成式LLM推荐系统中微调数据的预处理选择对推荐效用与公平性的影响。作者构建了结合监督微调、目录约束解码与提示增强的受控推荐流程，考察条目标题表示、人口统计平衡和辅助条目知识增强三项预处理。MovieLens-1M实验显示，目录约束解码消除了目录外条目并保证完整输出十条；原始标题使HR@10从10.67%升至12.47%，Coverage@10从41.36%升至47.88%。公平性影响因属性而异：年龄平衡与知识增强在基本保持效用的同时缩小群体效用差距，性别平衡则降低效用且未改善相关指标。

要点速读

1. 论文提出受控推荐流程，结合监督微调、目录约束解码与提示增强，目录约束解码可消除目录外条目并保证输出十条。
2. MovieLens-1M上，使用原始标题使HR@10从10.67%升至12.47%，Coverage@10从41.36%升至47.88%。
3. 年龄平衡与知识增强在基本保持效用的同时缩小群体效用差距；性别平衡降低效用且未改善相关指标。

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。