Buchumschlag

Towards Comprehensible Recommendation with Large Language Model Fine-tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Yunze, Jiang, Yinjie, Chen, Gaode, Zhang, Xinghua, Zhang, Jun, Liang, Jian, Bian, Kaigui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Online Item Cold-Start Recommendation with Popularity-Aware Meta-Learning
von: Luo, Yunze, et al.
Veröffentlicht: (2024)

Representation Quantization for Collaborative Filtering Augmentation
von: Luo, Yunze, et al.
Veröffentlicht: (2025)

Prompt Tuning for Item Cold-start Recommendation
von: Jiang, Yuezihan, et al.
Veröffentlicht: (2024)

Pre-train and Fine-tune: Recommenders as Large Models
von: Jiang, Zhenhao, et al.
Veröffentlicht: (2025)

Confidence-aware Fine-tuning of Sequential Recommendation Systems via Conformal Prediction
von: Wang, Chen, et al.
Veröffentlicht: (2024)

Fine-tuning Multimodal Large Language Models for Product Bundling
von: Liu, Xiaohao, et al.
Veröffentlicht: (2024)

A Unified Framework for Cross-Domain Recommendation
von: Cao, Jiangxia, et al.
Veröffentlicht: (2024)

RALLRec+: Retrieval Augmented Large Language Model Recommendation with Reasoning
von: Luo, Sichun, et al.
Veröffentlicht: (2025)

Bursting Filter Bubble: Enhancing Serendipity Recommendations with Aligned Large Language Models
von: Xi, Yunjia, et al.
Veröffentlicht: (2025)

Tapping the Potential of Large Language Models as Recommender Systems: A Comprehensive Framework and Empirical Analysis
von: Xu, Lanling, et al.
Veröffentlicht: (2024)

Data-efficient Fine-tuning for LLM-based Recommendation
von: Lin, Xinyu, et al.
Veröffentlicht: (2024)

Towards Fair Large Language Model-based Recommender Systems without Costly Retraining
von: Li, Jin, et al.
Veröffentlicht: (2026)

Reasoning to Rank: An End-to-End Solution for Exploiting Large Language Models for Recommendation
von: Zheng, Kehan, et al.
Veröffentlicht: (2026)

UFO: Unfair-to-Fair Evolving Mitigates Unfairness in LLM-based Recommender Systems via Self-Play Fine-tuning
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

A Survey of Large Language Model Empowered Agents for Recommendation and Search: Towards Next-Generation Information Retrieval
von: Zhang, Yu, et al.
Veröffentlicht: (2025)

A Bi-Step Grounding Paradigm for Large Language Models in Recommendation Systems
von: Bao, Keqin, et al.
Veröffentlicht: (2023)

Fine-grained Semantics Integration for Large Language Model-based Recommendation
von: Feng, Jiawei, et al.
Veröffentlicht: (2026)

Towards Efficient and Effective Unlearning of Large Language Models for Recommendation
von: Wang, Hangyu, et al.
Veröffentlicht: (2024)

One Model for All: Large Language Models are Domain-Agnostic Recommendation Systems
von: Tang, Zuoli, et al.
Veröffentlicht: (2023)

Intent Representation Learning with Large Language Model for Recommendation
von: Wang, Yu, et al.
Veröffentlicht: (2025)

Coherency Improved Explainable Recommendation via Large Language Model
von: Liu, Shijie, et al.
Veröffentlicht: (2025)

Balancing Fine-tuning and RAG: A Hybrid Strategy for Dynamic LLM Recommendation Updates
von: Meng, Changping, et al.
Veröffentlicht: (2025)

GFlowGR: Fine-tuning Generative Recommendation Frameworks with Generative Flow Networks
von: Wang, Yejing, et al.
Veröffentlicht: (2025)

Unlocking the Potential of Large Language Models for Explainable Recommendations
von: Luo, Yucong, et al.
Veröffentlicht: (2023)

Harnessing Large Language Models for Group POI Recommendations
von: Long, Jing, et al.
Veröffentlicht: (2024)

Integrating Large Language Models into Recommendation via Mutual Augmentation and Adaptive Aggregation
von: Luo, Sichun, et al.
Veröffentlicht: (2024)

Collaborative Large Language Model for Recommender Systems
von: Zhu, Yaochen, et al.
Veröffentlicht: (2023)

RecPrompt: A Self-tuning Prompting Framework for News Recommendation Using Large Language Models
von: Liu, Dairui, et al.
Veröffentlicht: (2023)

S2CDR: Smoothing-Sharpening Process Model for Cross-Domain Recommendation
von: Li, Xiaodong, et al.
Veröffentlicht: (2026)

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

LEARN: Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application
von: Jia, Jian, et al.
Veröffentlicht: (2024)

Sequence-aware Large Language Models for Explainable Recommendation
von: Zhang, Gangyi, et al.
Veröffentlicht: (2026)

Full-Stack Optimized Large Language Models for Lifelong Sequential Behavior Comprehension in Recommendation
von: Shan, Rong, et al.
Veröffentlicht: (2025)

Item-side Fairness of Large Language Model-based Recommendation System
von: Jiang, Meng, et al.
Veröffentlicht: (2024)

NoteLLM: A Retrievable Large Language Model for Note Recommendation
von: Zhang, Chao, et al.
Veröffentlicht: (2024)

Large Language Model Simulator for Cold-Start Recommendation
von: Huang, Feiran, et al.
Veröffentlicht: (2024)

Fine-grained Alignment of Large Language Models for General Medication Recommendation without Overprescription
von: Zhao, Zihao, et al.
Veröffentlicht: (2025)

MCRPL: A Pretrain, Prompt & Fine-tune Paradigm for Non-overlapping Many-to-one Cross-domain Recommendation
von: Liu, Hao, et al.
Veröffentlicht: (2024)

RecGPT-Mobile: On-Device Large Language Models for User Intent Understanding in Taobao Feed Recommendation
von: Zhang, Bin, et al.
Veröffentlicht: (2026)

Understanding the Role of Cross-Entropy Loss in Fairly Evaluating Large Language Model-based Recommendation
von: Xu, Cong, et al.
Veröffentlicht: (2024)