摘要
针对现有大语言模型推荐系统易将持久偏好、瞬时意图与曝光行为混淆的问题,本文提出 CALMRec 框架。该方法利用冻结的多模态语言模型将内容转化为语义原子,并维护独立的短期、长期及曝光记忆。通过倾向加权更新减少曝光偏差,结合保守离线批评家重排序以优化延迟满足。实验表明,该方法在多种环境下显著提升了长期折扣价值,且反事实验证确保了解释的可靠性。
AI 推荐理由
论文核心提出分层记忆架构(短期、长期、曝光),解决推荐中的记忆混淆问题。
研究机构
深圳大学
论文信息