Towards Comprehensible Recommendation with Large Language Model Fine-tuning

一、文章主要内容

本文聚焦推荐系统中传统方法存在的“语义-协同鸿沟”问题——传统推荐方法依赖ID表征或物品侧内容特征，难以捕捉与用户偏好对齐的底层语义（如推荐理由），而基于大语言模型（LLM）的特征提取方法又面临“如何让LLM具备推荐对齐推理能力并生成精准个性化推荐理由”的挑战。

为此，作者提出CURec（Content Understanding from a Collaborative Perspective）框架，核心流程包含三部分：

1. 推荐对齐预训练：通过构建推荐任务相关提示（如分析用户历史交互、推荐候选物品），用强化学习（GRPO算法）微调LLM，使其具备遵循结构化指令、链式推理（CoT）的能力，并能结合世界知识完成推荐任务，初步对齐LLM与推荐目标。
2. 带推荐信号的奖励模型：借鉴传统推荐架构设计奖励模型，输入用户兴趣模式与物品推荐理由列表，通过多头注意力机制计算用户-物品匹配分数，评估推荐理由的准确性与个性化程度，同时该模型可直接作为推荐模型使用。
3. 时序链式推理修正：用奖励模型的评分作为信号，通过强化学习交替微调LLM与更新推荐理由——先让LLM生成新理由，经奖励模型评估后优化LLM，再用优化后的LLM更新用户兴趣模式与物品理由列表，确保理由精准且实时适配用户动态偏好。
</