自动化个人化：针对推荐排序的提示词优化
信息检索
2025-04-08 v1
摘要
现代推荐系统越来越多地利用大型语言模型（LLM）进行排序以提高个性化程度。然而，现有方法存在两个关键局限性：（1）高度依赖手动构建的提示词，难以规模化；（2）处理非结构化物品元数据不足，导致偏好推断复杂化。我们提出了AGP（Auto-Guided Prompt Refinement），一个 novel 框架，通过自动优化用户概要生成提示词来实现个性化排序。AGP 引入了两个关键创新：（1）基于位置的反馈机制，以精确纠正排序；（2）采用批量训练和聚合反馈以增强泛化能力。
引用
@article{arxiv.2504.03965,
title = {Automating Personalization: Prompt Optimization for Recommendation Reranking},
author = {Chen Wang and Mingdai Yang and Zhiwei Liu and Pan Li and Linsey Pang and Qingsong Wen and Philip Yu},
journal= {arXiv preprint arXiv:2504.03965},
year = {2025}
}