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