Buchumschlag

Benchmarking News Recommendation in the Era of Green AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Qijiong, Zhu, Jieming, Dai, Quanyu, Wu, Xiao-Ming
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Category Trees for ID-Based Recommendation: Exploring the Power of Differentiable Vector Quantization
von: Liu, Qijiong, et al.
Veröffentlicht: (2023)

Multimodal Pretraining, Adaptation, and Generation for Recommendation: A Survey
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

Learning Multi-Aspect Item Palette: A Semantic Tokenization Framework for Generative Recommendation
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

Legommenders: A Comprehensive Content-Based Recommendation Library with LLM Support
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

Vector Quantization for Recommender Systems: A Review and Outlook
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

Evaluating Recabilities of Foundation Models: A Multi-Domain, Multi-Dataset Benchmark
von: Liu, Qijiong, et al.
Veröffentlicht: (2025)

CoST: Contrastive Quantization based Semantic Tokenization for Generative Recommendation
von: Zhu, Jieming, et al.
Veröffentlicht: (2024)

Discrete Semantic Tokenization for Deep CTR Prediction
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

Can LLMs Outshine Conventional Recommenders? A Comparative Evaluation
von: Liu, Qijiong, et al.
Veröffentlicht: (2025)

MIRA: Empowering One-Touch AI Services on Smartphones with MLLM-based Instruction Recommendation
von: Bian, Zhipeng, et al.
Veröffentlicht: (2025)

TF-DCon: Leveraging Large Language Models (LLMs) to Empower Training-Free Dataset Condensation for Content-Based Recommendation
von: Wu, Jiahao, et al.
Veröffentlicht: (2023)

MALLOC: Benchmarking the Memory-aware Long Sequence Compression for Large Sequential Recommendation
von: Yu, Qihang, et al.
Veröffentlicht: (2026)

Accelerating Generative Recommendation via Simple Categorical User Sequence Compression
von: Liu, Qijiong, et al.
Veröffentlicht: (2026)

Lightweight Modality Adaptation to Sequential Recommendation via Correlation Supervision
von: Hu, Hengchang, et al.
Veröffentlicht: (2024)

Multimodal Pretraining and Generation for Recommendation: A Tutorial
von: Zhu, Jieming, et al.
Veröffentlicht: (2024)

Evaluating Conversational Recommender Systems via Large Language Models: A User-Centric Framework
von: Chen, Nuo, et al.
Veröffentlicht: (2025)

Dataset Condensation for Recommendation
von: Wu, Jiahao, et al.
Veröffentlicht: (2023)

RecBase: Generative Foundation Model Pretraining for Zero-Shot Recommendation
von: Zhou, Sashuai, et al.
Veröffentlicht: (2025)

EAGER-LLM: Enhancing Large Language Models as Recommenders through Exogenous Behavior-Semantic Integration
von: Hong, Minjie, et al.
Veröffentlicht: (2025)

Device-Cloud Collaborative Correction for On-Device Recommendation
von: Zhan, Tianyu, et al.
Veröffentlicht: (2025)

Multi-Objective Recommendation in the Era of Generative AI: A Survey of Recent Progress and Future Prospects
von: Hong, Zihan, et al.
Veröffentlicht: (2025)

All Roads Lead to Rome: Unveiling the Trajectory of Recommender Systems Across the LLM Era
von: Chen, Bo, et al.
Veröffentlicht: (2024)

FAIR: Focused Attention Is All You Need for Generative Recommendation
von: Xiao, Longtao, et al.
Veröffentlicht: (2025)

Counteracting Duration Bias in Video Recommendation via Counterfactual Watch Time
von: Zhao, Haiyuan, et al.
Veröffentlicht: (2024)

Generative Reasoning Recommendation via LLMs
von: Hong, Minjie, et al.
Veröffentlicht: (2025)

UNGER: Generative Recommendation with A Unified Code via Semantic and Collaborative Integration
von: Xiao, Longtao, et al.
Veröffentlicht: (2025)

Open Benchmarking for Click-Through Rate Prediction
von: Zhu, Jieming, et al.
Veröffentlicht: (2020)

Act-With-Think: Chunk Auto-Regressive Modeling for Generative Recommendation
von: Wang, Yifan, et al.
Veröffentlicht: (2025)

TayFCS: Towards Light Feature Combination Selection for Deep Recommender Systems
von: Wang, Xianquan, et al.
Veröffentlicht: (2025)

Lifelong Personalized Low-Rank Adaptation of Large Language Models for Recommendation
von: Zhu, Jiachen, et al.
Veröffentlicht: (2024)

Efficient and Deployable Knowledge Infusion for Open-World Recommendations via Large Language Models
von: Xi, Yunjia, et al.
Veröffentlicht: (2024)

Green Recommender Systems: Understanding and Minimizing the Carbon Footprint of AI-Powered Personalization
von: Wegmeth, Lukas, et al.
Veröffentlicht: (2025)

Learning Graph ODE for Continuous-Time Sequential Recommendation
von: Qin, Yifang, et al.
Veröffentlicht: (2023)

FairFS: Addressing Deep Feature Selection Biases for Recommender System
von: Wang, Xianquan, et al.
Veröffentlicht: (2026)

Trustworthy Recommendation in the Era of Large Language Models: Opportunities and Challenges
von: Wang, Bohao, et al.
Veröffentlicht: (2026)

Do Reviews Matter for Recommendations in the Era of Large Language Models?
von: Tan, Chee Heng, et al.
Veröffentlicht: (2025)

EAGER: Two-Stream Generative Recommender with Behavior-Semantic Collaboration
von: Wang, Ye, et al.
Veröffentlicht: (2024)

CHORD: Customizing Hybrid-precision On-device Model for Sequential Recommendation with Device-cloud Collaboration
von: Liu, Tianqi, et al.
Veröffentlicht: (2025)

Benchmarking Recommendation, Classification, and Tracing Based on Hugging Face Knowledge Graph
von: Chen, Qiaosheng, et al.
Veröffentlicht: (2025)

Rethinking Group Recommender Systems in the Era of Generative AI: From One-Shot Recommendations to Agentic Group Decision Support
von: Jannach, Dietmar, et al.
Veröffentlicht: (2025)