Recommendation System Latent Reasoning Reinforcement Learning
摘要

大语言模型凭借语义理解能力在推荐系统中展现潜力,但显式自然语言推理开销巨大,而现有隐式推理方法未能充分刻画各层的偏好角色。本文提出 HiLaR 框架,构建时序引导的分层用户偏好表示,将其与多层隐式推理状态对齐,实现从宏观偏好到微观意图的推理组织。此外,结合最终反馈与基于边际似然增益的层感知过程奖励,优化推理轨迹。实验表明该方法在多个数据集上优于现有基线。

AI 推荐理由

论文提出分层隐式推理框架,核心贡献在于优化 LLM 的层间推理状态与轨迹。

研究机构
Jiangsu University Beijing Jiaotong University
论文信息
作者 Peiyu Hu, Siying Gu, Weihai Lu, Zhuodong Liu, Yuntian Tang et al.
发布日期 2026-07-30
arXiv ID 2607.27760
相关性评分 9/10 (高度相关)