Buchumschlag

Do LLMs Benefit from User and Item Embeddings in Recommendation Tasks?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hossain, Mir Rayat Imtiaz, Feng, Leo, Sigal, Leonid, Ahmed, Mohamed Osama
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Framework-agnostic Semantically-aware Global Reasoning for Segmentation
von: Hossain, Mir Rayat Imtiaz, et al.
Veröffentlicht: (2022)

The ART of Composition: Attention-Regularized Training for Compositional Visual Grounding
von: Luo, Jiayun, et al.
Veröffentlicht: (2024)

ChartGaze: Enhancing Chart Understanding in LVLMs with Eye-Tracking Guided Attention Refinement
von: Salamatian, Ali, et al.
Veröffentlicht: (2025)

Visual Prompting for Generalized Few-shot Segmentation: A Multi-scale Approach
von: Hossain, Mir Rayat Imtiaz, et al.
Veröffentlicht: (2024)

The Power of One: A Single Example is All it Takes for Segmentation in VLMs
von: Hossain, Mir Rayat Imtiaz, et al.
Veröffentlicht: (2025)

Balanced Co-Clustering of Users and Items for Embedding Table Compression in Recommender Systems
von: Jiang, Runhao, et al.
Veröffentlicht: (2026)

Tree Cross Attention
von: Feng, Leo, et al.
Veröffentlicht: (2023)

Bootstrapping Conditional Retrieval for User-to-Item Recommendations
von: Lin, Hongtao, et al.
Veröffentlicht: (2025)

How Feasible is Augmenting Fake Nodes with Learnable Features as a Counter-strategy against Link Stealing Attacks?
von: Mostafiz, Mir Imtiaz, et al.
Veröffentlicht: (2025)

Optimal Sequential Recommendations: Exploiting User and Item Structure
von: Karzand, Mina, et al.
Veröffentlicht: (2025)

Were RNNs All We Needed?
von: Feng, Leo, et al.
Veröffentlicht: (2024)

Attention as an RNN
von: Feng, Leo, et al.
Veröffentlicht: (2024)

An Augmented Surprise-guided Sequential Learning Framework for Predicting the Melt Pool Geometry
von: Raihan, Ahmed Shoyeb, et al.
Veröffentlicht: (2024)

Collaborative Filtering Through Weighted Similarities of User and Item Embeddings
von: Pires, Pedro R., et al.
Veröffentlicht: (2026)

Memory Efficient Neural Processes via Constant Memory Attention Block
von: Feng, Leo, et al.
Veröffentlicht: (2023)

Preventing the Popular Item Embedding Based Attack in Federated Recommendations
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

MMFactory: A Universal Solution Search Engine for Vision-Language Tasks
von: Fan, Wan-Cyuan, et al.
Veröffentlicht: (2024)

Confidence Adjusted Surprise Measure for Active Resourceful Trials (CA-SMART): A Data-driven Active Learning Framework for Accelerating Material Discovery under Resource Constraints
von: Raihan, Ahmed Shoyeb, et al.
Veröffentlicht: (2025)

Interpolating Item and User Fairness in Multi-Sided Recommendations
von: Chen, Qinyi, et al.
Veröffentlicht: (2023)

Temporal Linear Item-Item Model for Sequential Recommendation
von: Park, Seongmin, et al.
Veröffentlicht: (2024)

Alignment-Aware Model Adaptation via Feedback-Guided Optimization
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2026)

CADC: Encoding User-Item Interactions for Compressing Recommendation Model Training Data
von: Zarch, Hossein Entezari, et al.
Veröffentlicht: (2024)

All in One: A Unified Synthetic Data Pipeline for Multimodal Video Understanding
von: Rahman, Tanzila, et al.
Veröffentlicht: (2026)

Preventing Catastrophic Forgetting through Memory Networks in Continuous Detection
von: Bhatt, Gaurav, et al.
Veröffentlicht: (2024)

Leveraging Online Olympiad-Level Math Problems for LLMs Training and Contamination-Resistant Evaluation
von: Mahdavi, Sadegh, et al.
Veröffentlicht: (2025)

Whitening Not Recommended for Classification Tasks in LLMs
von: Forooghi, Ali, et al.
Veröffentlicht: (2024)

Enhancing Bandit Algorithms with LLMs for Time-varying User Preferences in Streaming Recommendations
von: Shen, Chenglei, et al.
Veröffentlicht: (2026)

RLHF Fine-Tuning of LLMs for Alignment with Implicit User Feedback in Conversational Recommenders
von: Yang, Zhongheng, et al.
Veröffentlicht: (2025)

Graph Neural Networks in the Wilson Loop Representation of Abelian Lattice Gauge Theories
von: Rayat, Ali, et al.
Veröffentlicht: (2026)

Listwise Preference Alignment Optimization for Tail Item Recommendation
von: Li, Zihao, et al.
Veröffentlicht: (2025)

Beyond Item Dissimilarities: Diversifying by Intent in Recommender Systems
von: Wang, Yuyan, et al.
Veröffentlicht: (2024)

Ranking Items from Discrete Ratings: The Cost of Unknown User Thresholds
von: Villemaud, Oscar, et al.
Veröffentlicht: (2025)

ADiff4TPP: Asynchronous Diffusion Models for Temporal Point Processes
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2025)

Sharpness-Aware Minimization for Generalized Embedding Learning in Federated Recommendation
von: Yu, Fengyuan, et al.
Veröffentlicht: (2026)

Soft Prompt Threats: Attacking Safety Alignment and Unlearning in Open-Source LLMs through the Embedding Space
von: Schwinn, Leo, et al.
Veröffentlicht: (2024)

Enhancing Item Tokenization for Generative Recommendation through Self-Improvement
von: Chen, Runjin, et al.
Veröffentlicht: (2024)

Gauge-Equivariant Graph Neural Networks for Lattice Gauge Theories
von: Rayat, Ali, et al.
Veröffentlicht: (2026)

Revealing Weaknesses in Text Watermarking Through Self-Information Rewrite Attacks
von: Cheng, Yixin, et al.
Veröffentlicht: (2025)

Task Vectors in In-Context Learning: Emergence, Formation, and Benefit
von: Yang, Liu, et al.
Veröffentlicht: (2025)

Which English Do LLMs Prefer? Triangulating Structural Bias Towards American English in Foundation Models
von: Nayeem, Mir Tafseer, et al.
Veröffentlicht: (2026)