Buchumschlag

Efficient and Responsible Adaptation of Large Language Models for Robust and Equitable Top-k Recommendations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kaur, Kirandeep, Gupta, Vinayak, Chadha, Manya, Shah, Chirag
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient and Responsible Adaptation of Large Language Models for Robust Top-k Recommendations
von: Kaur, Kirandeep, et al.
Veröffentlicht: (2024)

Beyond Static Evaluation: Rethinking the Assessment of Personalized Agent Adaptability in Information Retrieval
von: Kaur, Kirandeep, et al.
Veröffentlicht: (2025)

Towards Fairness in Provably Communication-Efficient Federated Recommender Systems
von: Kaur, Kirandeep, et al.
Veröffentlicht: (2024)

Optimizing Novelty of Top-k Recommendations using Large Language Models and Reinforcement Learning
von: Sharma, Amit, et al.
Veröffentlicht: (2024)

QLENS: Towards A Quantum Perspective of Language Transformers
von: Gupta, Aditya, et al.
Veröffentlicht: (2025)

PROPER Agents: Proactivity Driven Personalized Agents for Advancing Knowledge Gap Navigation
von: Kaur, Kirandeep, et al.
Veröffentlicht: (2026)

Calibrating the Predictions for Top-N Recommendations
von: Sato, Masahiro
Veröffentlicht: (2024)

Parameter-Efficient Single Collaborative Branch for Recommendation
von: Moscati, Marta, et al.
Veröffentlicht: (2025)

Dynamic Evaluation Framework for Personalized and Trustworthy Agents: A Multi-Session Approach to Preference Adaptability
von: Shah, Chirag, et al.
Veröffentlicht: (2025)

Efficient Dataset Selection for Continual Adaptation of Generative Recommenders
von: Jiao, Cathy, et al.
Veröffentlicht: (2026)

Efficient and Robust Regularized Federated Recommendation
von: Liu, Langming, et al.
Veröffentlicht: (2024)

Autoregressive Generation Strategies for Top-K Sequential Recommendations
von: Volodkevich, Anna, et al.
Veröffentlicht: (2024)

From Top-1 to Top-K: A Reproducibility Study and Benchmarking of Counterfactual Explanations for Recommender Systems
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2026)

EDGE-Rec: Efficient and Data-Guided Edge Diffusion For Recommender Systems Graphs
von: Priyam, Utkarsh, et al.
Veröffentlicht: (2024)

$\mathbb{R}^{2k}$ is Theoretically Large Enough for Embedding-based Top-$k$ Retrieval
von: Wang, Zihao, et al.
Veröffentlicht: (2026)

Compute Only Once: UG-Separation for Efficient Large Recommendation Models
von: Lu, Hui, et al.
Veröffentlicht: (2026)

Enhancing Recommendation Diversity by Re-ranking with Large Language Models
von: Carraro, Diego, et al.
Veröffentlicht: (2024)

Masked Diffusion for Generative Recommendation
von: Shah, Kulin, et al.
Veröffentlicht: (2025)

Dual Correction Strategy for Ranking Distillation in Top-N Recommender System
von: Lee, Youngjune, et al.
Veröffentlicht: (2021)

End-to-End Personalization: Unifying Recommender Systems with Large Language Models
von: Ebrat, Danial, et al.
Veröffentlicht: (2025)

Large Language Model as Universal Retriever in Industrial-Scale Recommender System
von: Jiang, Junguang, et al.
Veröffentlicht: (2025)

A Unified Language Model for Large Scale Search, Recommendation, and Reasoning
von: De Nadai, Marco, et al.
Veröffentlicht: (2026)

CoRA: Collaborative Information Perception by Large Language Model's Weights for Recommendation
von: Liu, Yuting, et al.
Veröffentlicht: (2024)

Robust Training Objectives Improve Embedding-based Retrieval in Industrial Recommendation Systems
von: Kolodner, Matthew, et al.
Veröffentlicht: (2024)

Causality-aware Graph Aggregation Weight Estimator for Popularity Debiasing in Top-K Recommendation
von: Que, Yue, et al.
Veröffentlicht: (2025)

On (Normalised) Discounted Cumulative Gain as an Off-Policy Evaluation Metric for Top-$n$ Recommendation
von: Jeunen, Olivier, et al.
Veröffentlicht: (2023)

Robust Explainable Recommendation
von: Vijayaraghavan, Sairamvinay, et al.
Veröffentlicht: (2024)

Data Efficiency for Large Recommendation Models
von: Jain, Kshitij, et al.
Veröffentlicht: (2024)

Federated Personal Knowledge Graph Completion with Lightweight Large Language Models for Personalized Recommendations
von: Spadea, Fernando, et al.
Veröffentlicht: (2026)

Towards Fair and Rigorous Evaluations: Hyperparameter Optimization for Top-N Recommendation Task with Implicit Feedback
von: Fang, Hui, et al.
Veröffentlicht: (2024)

Algorithm Adaptation Bias in Recommendation System Online Experiments
von: Zheng, Chen, et al.
Veröffentlicht: (2025)

Large Language Model Distilling Medication Recommendation Model
von: Liu, Qidong, et al.
Veröffentlicht: (2024)

RecRanker: Instruction Tuning Large Language Model as Ranker for Top-k Recommendation
von: Luo, Sichun, et al.
Veröffentlicht: (2023)

Breaking the Top-$K$ Barrier: Advancing Top-$K$ Ranking Metrics Optimization in Recommender Systems
von: Yang, Weiqin, et al.
Veröffentlicht: (2025)

Efficient Large-Scale Cross-Domain Sequential Recommendation with Dynamic State Representations
von: Loureiro, Manuel V., et al.
Veröffentlicht: (2025)

SemSR: Semantics aware robust Session-based Recommendations
von: Narwariya, Jyoti, et al.
Veröffentlicht: (2025)

Talos: Optimizing Top-$K$ Accuracy in Recommender Systems
von: Zhang, Shengjia, et al.
Veröffentlicht: (2026)

Large Language Models for Next Point-of-Interest Recommendation
von: Li, Peibo, et al.
Veröffentlicht: (2024)

Retrieve-then-Adapt: Retrieval-Augmented Test-Time Adaptation for Sequential Recommendation
von: Tang, Xing, et al.
Veröffentlicht: (2026)

Dynamic-KGQA: A Scalable Framework for Generating Adaptive Question Answering Datasets
von: Dammu, Preetam Prabhu Srikar, et al.
Veröffentlicht: (2025)