生成式推荐新论文提出连续查询范式

Yu Sun 等作者在 arXiv 发表论文，提出 CQG-Single 与 CQG-AR 两种连续查询生成范式，用于替代生成式推荐中依赖 Semantic ID 的做法：去掉 SID 物品词表、码本查找与离散束扩展，每个编码物品可通过稠密或近似最近邻检索直接打分。 据论文称，CQG-Single 在全部七次运行中超过 TIGER 式基线，可训练参数量为后者的 55.3%；CQG-AR 在 ML-1M 上与基线相当，在 Beauty 和 Sports 数据集上数值更优。 作者还报告了一项深度消融实验，结果显示增加连续细化并不单调提升浅层准确率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。