PALRec 论文：冻结 LLM 做序列推荐，参数保留式增强免遗忘
_reachsumit · x · 2026-09-07
论文 PALRec 提出一种基于大模型的序列推荐方法：不微调整个模型，而是给冻结的 LLM 配上轻量可训练的用户/物品嵌入，实现「参数保留式增强」。
这样做的好处是避免全量微调带来的灾难性遗忘，让 LLM 保留通用能力的同时学会推荐任务。适合关注 LLM 参数高效微调（PEFT）在推荐系统落地的读者。
「研究」频道最新
- Toby Ord 论照片的信息量：一张照片最多传约 340 比特 — tobyordoxford · 2026-09-07
- Sierra 发布 τ^τ-Bench:让编码智能体真实搭建客服 Agent 的评测环境 — sierra-research · 2026-09-07
- Enoki:共享关系事实统一事实核验与幻觉定位,省资源还提准 — s-nlp · 2026-09-07
- 一张照片只有 42 字节信息?Oxford 学者与 Redwood 研究员激辩 — tobyordoxford · 2026-09-07
- 作者用 bandit 模型演示：用户习惯如何压过产品真实质量 — svk_roy · 2026-09-07
- 数据科学家从零搭建 TTS:PostNet 使 WER 从 14.5% 降至 8.8% — Ashkingz · 2026-09-07