ReRec：基于强化微调的推理增强型大语言模型推荐助手

针对大语言模型在复杂推荐任务中多步推理能力不足的问题，本文提出了 ReRec 框架。该框架采用强化微调技术，包含三大核心组件：双图增强奖励塑造，结合推荐指标与对齐分数提供细粒度信号；推理感知优势估计，分解输出并惩罚错误步骤以优化推理路径；在线课程调度器，动态评估查询难度以稳定训练。实验表明，ReRec 在提升推理性能的同时保留了通用指令遵循能力，优于现有最先进基线。