arXiv 2024年9月14日该工作提出端到端双动态（ED²）推荐系统，首次在基于LLM的序列推荐中采用双动态索引机制，将用户与物品的索引生成和序列推荐统一到同一LLM骨干流水线中联合优化，并配合多粒度token调节器（m-GTR）与面向高阶用户-物品交互模式的指令微调任务，在三个公开数据集上相比采用静态索引的SOTA LLM推荐系统平均提升19.62%的Hit-Rate与21.11%的NDCG。该工作提出端到端双动态（ED²）推荐系统，首次在基于LLM的序列推荐中采用双动态索引机制，将用户与物品的索引生成和序列推荐统一到同一LLM骨干流水线中联合优化，并配合多粒度token调节器（m-GTR）与面向高阶用户-物品交互模式的指令微调任务，在三个公开数据集上相比采用静态索引的SOTA LLM推荐系统平均提升19.62%的Hit-Rate与21.11%的NDCG。ED²：以双动态索引机制协同释放LLM的序列推荐潜力该工作提出端到端双动态（ED²）推荐系统，首次在基于LLM的序列推荐中采用双动态索引机制，将用户与物品的索引生成和序列推荐统一到同一LLM骨干流水线中联合优化，并配合多粒度token调节器（m-GTR）与面向高阶用户-物品交互模式的指令微调任务，在三个公开数据集上相比采用静态索引的SOTA LLM推荐系统平均提升19.62%的Hit-Rate与21.11%的NDCG。该工作提出端到端双动态（ED²）推荐系统，首次在基于LLM的序列推荐中采用双动态索引机制，将用户与物品的索引生成和序列推荐统一到同一LLM骨干流水线中联合优化，并配合多粒度token调节器（m-GTR）与面向高阶用户-物品交互模式的指令微调任务，在三个公开数据集上相比采用静态索引的SOTA LLM推荐系统平均提升19.62%的Hit-Rate与21.11%的NDCG。