＜论文＞（微软）避免推荐域外物品：基于LLM的受限生成式推荐

一、摘要

        本文介绍微软和深圳大学合作发表于2025年5月的论文《Avoid Recommending Out-of-Domain Items: Constrained Generative Recommendation with LLMs》。论文主要研究如何解决大语言模型（LLMs）在推荐系统中推荐域外物品的问题，提出了 RecLM-ret 和 RecLM-cgen 两种方法。

译文：

        大语言模型（LLMs）因其在用户交互方面的变革性能力，在生成式推荐系统中展现出了潜力。然而，确保它们不推荐域外（OOD）物品仍然是一个挑战。我们研究了两种不同的方法来解决这个问题：RecLM-ret，一种基于检索的方法；以及RecLM-cgen，一种受限生成方法。这两种方法都能与现有的大语言模型无缝集成，以确保域内推荐。在三个推荐数据集上进行的全面实验表明，RecLM-cgen在消除域外推荐的同时，在准确性上始终优于RecLM-ret和现有的基于大语言模型的推荐模型，使其成为更优的采用方法。此外，RecLM-cgen保持了强大的通用能力，并且是一个轻量级的即插即用模块，便于集成到大型语言模型中，为社区提供了有价值的实际益处。

二、核心创新点

        论文的目标是避免推荐域外item，使基于大模型的推荐系统在工业服务中更可靠。从根本上说，有两种范式可以实现这一点：域内检索范式和受限生成范式。作者设计了一个简单的框架，只需要对backbone大模型进行小幅度的修改就能够适配这两种方法。

1、特殊item指示标记符（special item indicator token）

        作者在backbone模型的词汇表中添加了两个特殊的token：<SOI>和<EOI>。这些token分别表示item开