CIRR：在分布迁移下具因果不变性的检索增强推荐与可验证解释
信息检索
2025-12-23 v1
摘要
近期检索增强生成（RAG）技术在增强推荐系统外部知识方面显示出前景。然而，现有基于 RAG 的推荐系统面临两个关键挑战：（1）面对不同环境（如时间段、用户细分）之间的分布迁移，易受影响，导致在离散（OOD）场景中性能下降；（2）缺乏可依据检索证据验证的可靠解释。本文提出了 CIRR，即具因果不变性检索增强推荐框架，以同时解决上述挑战。CIRR 通过因果推断学习环境不变的用户偏好表征，指导去偏检索过程从多个来源选择相关证据。此外，我们引入一致性约束，以确保检索证据、生成解释与推荐输出之间的可靠性。大量实验表明，CIRR 在分布迁移下实现稳健性能，将 OOD 场景中的性能下降从基线的 15.4% 降至仅 5.6%，同时相较于最新基线提供更可靠、更可解释的解释（可信度提升 26%）。
引用
@article{arxiv.2512.18683,
title = {CIRR: Causal-Invariant Retrieval-Augmented Recommendation with Faithful Explanations under Distribution Shift},
author = {Sebastian Sun},
journal= {arXiv preprint arXiv:2512.18683},
year = {2025}
}