Latent Reasoning Recommendation Systems Chain-of-Thought Efficiency
摘要

针对大语言模型在推荐系统中应用时显式思维链(CoT)导致的推理开销大及模板僵化问题,本文提出 WhisperRec 框架。该方法将教师生成的 CoT 压缩为可学习的潜在推理令牌,实现“潜在推理 - 回答”范式,避免冗长理由生成。通过多视图自适应 CoT 构建多样化监督,并采用三阶段对齐过程将推理能力内化至潜在空间。实验表明,该方法在工业级数据集上显著优于显式 CoT 基线,推理吞吐量提升超 10 倍。

AI 推荐理由

论文核心提出潜在推理框架,通过压缩思维链提升推荐模型推理效率,深度聚焦推理机制。

研究机构
Kuaishou Technology, Beijing, China
论文信息
作者 Hao Jiang, Peiru Du, Pengfei Yao, Mengting Li, Siyuan Lou et al.
发布日期 2026-07-29
arXiv ID 2607.26621
相关性评分 9/10 (高度相关)