文章预览
本篇文章将介绍一个 端到端 的框架 UniLLMRec。UniLLMRec 将多阶段任务（检索、排序、重排序等）集成到一个链式推荐（chain-of-recommendation）中，并借助构建的一个强大高效的“项目 树 ”，将需输入的 token 量减少了86%！ 参考文献： [1] ZHANG W, CHUHAN, WU, et al., 2024. Tired of Plugins? Large Language Models Can Be End-To-End Recommenders[M]. arXiv. http://arxiv.org/abs/2404.00702. [2] WLZHANG2020, 2024. wlzhang2020/UniLLMRec[CP]. https://github.com/wlzhang2020/UniLLMRec. 序 起初我选择阅读这篇文章只是想将其作为介绍 RecAI 之后的一个延伸阅读，因为仅从 UniLLMRec 的论文标题来看，我以为这份工作的重点是比较基于微调和智能体的 RSs 的性能。但随着我阅读的深入，发现这份工作的亮点远超我的想象。 从文章内容来看，UniLLMRec 是一个几乎完全借助提示词来将 LLMs 打造成 RSs 的推荐框架，既
………………………………
