文章预览
来源：专知 本文 约1000字 ，建议阅读 5 分钟 我们的综合性和广泛的实验分析验证了LSC4Rec中每个策略的有效性。 大语言模型（LLMs）在推荐系统中的应用（LLM4Rec） 是一个前景广阔的研究方向，已在该领域展现出卓越的性能。然而，LLM4Rec在实际应用中的局限性主要来自其无法捕捉实时用户偏好，原因有以下几点：（i）LLM训练和推理的成本高，频繁进行训练和推理会导致较大的开销；（ii）LLM难以访问实时数据（其庞大的参数量使得部署在设备上变得困难）。幸运的是，小型推荐模型（SRM）能够有效地补充LLM4Rec的不足，借助较少的资源进行频繁的训练和推理，并能够便捷地访问设备上的实时数据。 基于此，我们设计了 设备-云协同LLM-SRM推荐框架（LSC4Rec） ，该框架在设备-云协作环境下运行。LSC4Rec旨在整合LLM和SRM的优势，以及云计算和边缘计算的好
………………………………
