К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 82 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 82 найденных, риска — весь корпус
Генеративные рекомендации 3Последовательные рекомендации 9Языковые модели и агенты 82Коллаборативные модели 13Оценка и причинность 21Объяснения и контроль 31Промышленные системы 27Кросс-домен и мультимодальность 25Реклама и рекомендации 5
Языковые модели, диалог и агентыСбросить фильтры

  1. Beyond Fixed Depths and Widths: Optimizing Textual Decoding Tries in LLM-based Generative Recommendation (BONSAI)

    BONSAI совместно строит текстовые идентификаторы и дерево допустимого декодирования. Переменная глубина и ограниченное ветвление облегчают поиск кандидатов.

    Michigan State University, Snap

    #Генеративные рекомендации#Языковые модели и агенты

    Публикация конференцииZotero ↗

  2. BiLPR: Bidirectional Teacher-Student Agent Interaction for Context-Aware Learning Path Recommendation

    Агент ученика хранит профиль, память и оценку знаний, а агент преподавателя выбирает учебные задания. Неожиданные ответы запускают пересмотр состояния и сложности следующего шага.

    Army Engineering University of PLA, University of Science and Technology of China

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  3. Bridge the Unseen Gap: Enhancing Non-overlapping Cross-domain CTR Prediction via Profile Retrieval

    Языковая модель строит переносимые профили пользователей и товаров. По похожим профилям извлекаются только реально наблюдавшиеся взаимодействия исходного домена для обучения целевой модели.

    Shenzhen Technology University, Ant International +1

    #Реклама и рекомендации#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  4. Consensus vs. Dissent: Dynamic LLM Modeling of Subjective Preferences in Group Recommenders

    Языковую модель обучают воспроизводить человеческие оценки групповых решений с объяснениями учителя. Она выбирает среди интерпретируемых правил агрегации предпочтений.

    Maastricht University

    #Кросс-домен и мультимодальность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  5. Do We Really Need LLMs to Augment All? A Selective Augmentation Framework with Lightweight Language Models for Multimodal CTR Prediction

    SALM оценивает сложность товара по доступным признакам и предсказаниям вне обучающей подвыборки. Маршрутизатор выделяет бюджет языковой аугментации по ожидаемой пользе для CTR.

    Wuhan University of Technology, Anhui University

    #Реклама и рекомендации#Промышленные системы#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  6. FASC: A Feature Aspect-Level Sentiment Consistency Framework for Explainable Recommendation Evaluation

    FASC извлекает из отзывов аспекты и их тональность с согласованием языковых моделей. Объяснение оценивается по совпадению аспектов и полярности со структурированной разметкой.

    Central China Normal University

    #Оценка и причинность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  7. GTP: Mitigating Popularity Bias in PLM-based Sequential Recommendation via Group-Aware Token Pruning

    GTP группирует текстовые токены по их связи с популярными и хвостовыми товарами. Обучаемое прореживание удаляет часть лексического сигнала до языкового кодирования истории.

    Shenzhen University, Shenzhen Technology University

    #Объяснения и контроль#Последовательные рекомендации#Языковые модели и агенты

    Публикация конференцииZotero ↗

  8. Improving Rare Medication Recommendation with Counterfactual Data Augmentation and Large Language Models

    GenRxR синтезирует гипотетические медицинские записи для редких назначений. Эти записи используются для инструкционной адаптации и обучения рекомендательной языковой модели.

    KAIST, Korea University

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  9. Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces

    Наблюдаемые веб-действия превращаются в описания ситуации и конкурирующие гипотезы предпочтений. Агрегатор собирает эпизодический профиль с оценками уверенности.

    JPMorganChase

    #Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  10. Membership Inference Attacks on In-Context Learning Recommendation

    Исследование измеряет статистический след демонстраций в рекомендациях in-context модели. Сравниваются совпадения выдачи и её устойчивость к изменению истории.

    University of Maryland, Baltimore County, McMaster University +1

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  11. Reducing Perceived Polarization through Affect-Balanced News Reframing

    Работа анализирует эмоциональное согласование заголовков и подзаголовков новостей. Затем изменение оформления проверяется в пользовательском эксперименте.

    University of Bergen, University of Amsterdam +1

    #Объяснения и контроль#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  12. SPEAR: Selection-aware Personalized End-to-end Adaptive Rewriting and Retrieval for Community Search

    SPEAR обучает веса заранее подготовленных переформулировок запроса. Раздельные retrieval- и ranking-проекции ограничивают конфликт семантической близости с кликовой целью.

    National University of Singapore, Shanghai Dewu Information Group Co., Ltd.

    #Промышленные системы#Языковые модели и агенты

    Публикация конференцииZotero ↗

  13. Safety-Aware Next-POI Recommendation with Large Language Models

    Для переходов между местами оценивается риск по предшествующим происшествиям вдоль маршрута. Этот сигнал включается в языковую рекомендацию следующей точки.

    University of Haifa, University of Cagliari

    #Кросс-домен и мультимодальность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  14. Simulating Diverse User Behavioral Stereotypes for Evaluating Agentic Conversational Recommenders

    Симулятор варьирует способ раскрытия предпочтений при фиксированной целевой рекомендации. Синтетические диалоги учителя используются для обучения управляемого пользовательского агента.

    University of Bari Aldo Moro, University of Pisa

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  15. Stabilizing Stability and Plasticity in Graph-based Continual Recommender System

    SSPRec сочетает обновляемый текстовый профиль, временные веса графа и обучение по опорной модели текущего периода. Дрейф предпочтений пользователя определяет баланс сохранения истории и адаптации.

    Jilin University, The Hong Kong Polytechnic University +1

    #Коллаборативные модели#Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  16. The Utility of LLMs in Recommender Systems Explanation Evaluation

    Объяснения одной графовой рекомендации генерируются с разным составом промпта. Оценки языковых судей сопоставляются с человеческими суждениями.

    University of Zurich, Dublin City University

    #Оценка и причинность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  17. BookForYou: Leveraging BART-Generated Narrative Tropes for Content-Based Book Recommendations

    BookForYou генерирует сюжетные теги из книжного описания. Эти теги уточняют поиск внутри семантически близкого пула книг.

    Manipal Institute of Technology Bengaluru, Manipal Academy of Higher Education +2

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  18. Choosing What Matters: Query-Aware Multimodal Routing for Conversational Recommendation

    Диалог и сущности кодируются раздельно с графовыми, текстовыми и визуальными каналами. Зависимый от запроса маршрутизатор выбирает вклад каждой модальности.

    Sungkyunkwan University

    #Языковые модели и агенты#Кросс-домен и мультимодальность#Коллаборативные модели

    Публикация конференцииZotero ↗

  19. GradSup: Gradient Superposition for Personalised and Scalable LLM Recommendation

    GradSup ограничивает персональную адаптацию фиксированным спектральным базисом весов. Градиенты примеров накапливаются в общей исходной точке и масштабируются при применении.

    La Trobe University, Core dna

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  20. Interaction Modality and Trust: Investigating System-Driven Conversational Recommendation and Faceted Search

    Эксперимент сравнивает фасетные фильтры с диалоговым извлечением тех же предпочтений. Товары и порядок выдачи удерживаются одинаковыми при одинаковых настройках.

    Universität Wien, TU Wien

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  21. LLM-as-a-Judge for Evaluating System Responses in Conversational Music Recommendation

    Музыкальная рекомендация фиксируется, а меняется текст ответа системы. Языковые судьи оценивают персонализацию и объяснение по общей с людьми рубрике.

    KAIST, Deezer Research +2

    #Оценка и причинность#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  22. Personalized Recommendation Tool Learning via Autonomous Language Agents

    PRTA хранит персональные веса заранее обученных рекомендательных инструментов. Языковой агент обновляет смесь по профилю и обратной связи.

    University of Illinois Chicago, Microsoft +1

    #Языковые модели и агенты#Коллаборативные модели#Последовательные рекомендации

    Публикация конференцииZotero ↗

  23. Position Bias Undermines Preference Consistency in Listwise LLM-Based Reranking

    Перестановки одного набора кандидатов порождают повторные ранжирования языковой модели. Диагностика разделяет попарную, глобальную и выходную согласованность предпочтений.

    RMIT University

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  24. Probing the LLMs for Generating User Profile of Session-based Social Recommendation

    UPRec объединяет текст истории с профилями, сформированными языковой моделью. Социальный сигнал поступает через фиксированное взвешивание представлений соседей.

    Tsinghua University, Pengcheng Laboratory +3

    #Языковые модели и агенты#Последовательные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  25. Scaling LLM-Enhanced Linear Autoencoders to Industrial-Size Catalogs

    Метод переносит семантическую надстройку линейного автоэнкодера на разреженную алгебру. Матричные преобразования устраняют необходимость хранить плотное сходство каталога.

    Ural Federal University, T-Bank +1

    #Промышленные системы#Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  26. Structure-Preserving Projection for Mitigating Modality Bias in LLM-Based Sequential Recommendation

    Регуляризация проектора сохраняет геометрию поведенческих представлений при вводе в языковую модель. Основной промпт и генеративная цель остаются прежними.

    National Taiwan University

    #Языковые модели и агенты#Коллаборативные модели#Последовательные рекомендации

    Публикация конференцииZotero ↗

  27. Exploiting ID-Text Complementarity via Ensembling for Sequential Recommendation

    EnsRec независимо кодирует ID-историю и текстовые признаки товаров. Ансамбль объединяет предсказания, а пересечение успешных случаев измеряет комплементарность ветвей.

    Snap

    #Последовательные рекомендации#Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  28. A Position Paper on Recommender Systems in the Era of Autonomous Agents

    Позиционная работа разделяет клиентского и платформенного агента. В постановку рекомендации добавляются запрашивающая сторона, явная цель и доступные ограничения.

    Nanyang Technological University

    #Языковые модели и агенты#Промышленные системы#Объяснения и контроль

    Публикация конференцииZotero ↗

  29. Backward and Inward: From Preferences to Personalization and the Safety Crisis Within Conversational Recommender Systems

    Работа систематизирует риски межсессионной памяти и персонализации диалога. Различаются легитимация намерения, поддакивание и перенос контекста между доменами.

    Microsoft

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  30. Beyond Passive Preference Inference: User-Governed Preference Memory and Calibrated Initiative in Recommender Systems

    Предлагается память предпочтений с происхождением, областью действия и отзывом записей. Инициатива системы рассматривается отдельно от хранения пользовательского состояния.

    Tsinghua University, Fudan University

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  31. Forward and Outward: From Aggregate to Individual and Towards Human Understanding in Conversational Recommendation

    Концептуальная работа разделяет содержание, способ выражения и мотивацию предпочтений. Диалог рассматривается как помощь формированию выбора, а не только извлечение атрибутов.

    Microsoft

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  32. From Side Information and Knowledge Graphs to Large Language Models: Two Decades of Knowledge Integration in Recommender Systems

    Обзор сравнивает способы представления знаний от правил до графов и языковых моделей. Каждая смена представления анализируется по обновлению знания и возможности объяснить вычисление.

    Politecnico di Bari, University of Cagliari

    #Коллаборативные модели#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  33. The Underrated Catalyst: Advancing Critiquing Towards Steerable and Next-Generation LLM Recommendations.

    Обзор трактует пользовательскую критику как контур изменения последующих рекомендаций. Исторические механизмы фильтров сопоставляются с управлением латентными и языковыми представлениями.

    Hainan Normal University, Central China Normal University

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  34. User-Controlled Intent Layers for LLM-Mediated Personalization: A Research Agenda for Recommender Systems

    Предлагается управляемый человеком слой намерений между помощником и внешними сервисами. Он разделяет цели, ограничения, раскрытие данных и разрешённые действия.

    Fudan University, Microsoft Research Asia

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  35. Who Are We Recommending To? Recommender Systems in the Agentic Web

    Позиционная работа описывает спектр делегирования рекомендации агенту. Степень автономии связывается с выразимостью предпочтений, проверяемостью результата и обратимостью последствий.

    Spotify

    #Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  36. Attacking and Defending Multi-Agent Collaborative Filtering Systems Through Connectivity

    Исследование варьирует связность многоагентной коллаборативной системы. Анализируется распространение нежелательного содержимого через обновляемую память и взаимодействия агентов.

    University of Oxford, Amazon

    #Объяснения и контроль#Языковые модели и агенты#Коллаборативные модели

    Публикация конференцииZotero ↗

  37. scikit-rec: A Unified, Extensible Recommendation Library with scikit-rec-agent, a Conversational Interface

    Scikit-rec разделяет рекомендательную логику, скоринг и оценивание моделей. Разговорный агент выбирает конфигурации поверх общего программного контракта.

    Intuit

    #Промышленные системы#Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  38. τ-Rec: A Verifiable Benchmark for Agentic Recommender Systems (τ-Rec)

    τ-Rec проверяет диалог агента по скрытым ограничениям пользователя и инструментальным действиям. Успех вычисляется детерминированными предикатами каталога вместо языкового судьи.

    Princeton University

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  39. Advancing Relevance Measurement with Vision–Language Models for Web-Scale Search

    Визуально-языковая модель оценивает релевантность поисковых результатов по запросу и метаданным. Стратифицированный сбор примеров связывает автоматические метки с экспериментальным решением.

    Pinterest

    #Оценка и причинность#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  40. Bootstrapping Conversational Recommendation Agents At Spotify: Synthetic Data Generation and Self-Improvement Loops

    Spotify разделяет план синтетического диалога и его адаптивное исполнение с живым агентом. Рубрики навыков и разбор ошибок поддерживают цикл исправлений.

    Spotify

    #Языковые модели и агенты#Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  41. EGR: Embedding-Native Generative Retrieval with a Shared LLM

    EGR совместно кодирует товары и истории общим языковым энкодером. Контрастивные цели связывают совместное потребление и следующий товар в одном векторном пространстве.

    Snap

    #Языковые модели и агенты#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  42. Generative Spatiotemporal Intent Sequence Recommendation via Implicit Reasoning in Amap

    GPlan учится на структурированных планах услуг, синтезированных учителем с экспертными примерами. Ученик воспроизводит компактную последовательность намерений и инструментов.

    AMAP

    #Языковые модели и агенты#Кросс-домен и мультимодальность#Промышленные системы

    Публикация конференцииZotero ↗

  43. GRIP: Generation and Reasoning for User Profile Completion

    GRIP обучает языковую модель заполнять и проверять недостающие поля профиля через последовательные стадии адаптации. Награда учитывает тип атрибута, количество интересов и формат ответа.

    Hong Kong Baptist University, Tencent +1

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  44. Hypothesis-Driven Shelf Generation for Personalised Recommendation

    Языковая модель формулирует персональную гипотезу тематической полки. Ограниченный каталогом генеративный retrieval исполняет её и согласует объекты с замыслом.

    Spotify

    #Языковые модели и агенты#Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  45. IDProxy: Cold-Start CTR Prediction for Ads and Recommendation at Xiaohongshu with Multimodal LLMs

    IDProxy строит мультимодальный заменитель ID-эмбеддинга холодного объекта. После грубого выравнивания прокси дообучается совместно с CTR-ранкером.

    Xiaohongshu, Shanghai Jiao Tong University +1

    #Реклама и рекомендации#Промышленные системы#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  46. LLM Reasoning for Subjective Tasks: Failure Modes, Mitigation, and Dynamic Reasoning Routing

    Работа сравнивает прямые ответы и режимы рассуждения на субъективных рекомендательных задачах. Обучение и маршрутизация выбирают подходящий режим по задаче.

    Duke University, Netflix

    #Языковые модели и агенты#Оценка и причинность

    Публикация конференцииZotero ↗

  47. LLM-Based Re-Ranking for Real Estate Search

    Реранкер оценивает каждый объект недвижимости по запросу, профилю и общему контексту кандидатов. Асинхронные оценки уточняют готовый retrieval без замены проверки допустимости.

    QuintoAndar, Growthloop

    #Языковые модели и агенты#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  48. LLM-Based User Personas for Recommendations at Scale

    Из очищенной и сгруппированной истории строятся освоенные и возможные новые интересы. Асинхронные текстовые персоны ограничивают область поиска для действующего ранкера.

    Google DeepMind, Google +1

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  49. Melo: A Production LLM-Powered Music Recommendation Agent

    Melo исполняет музыкальный запрос через фиксированный граф понимания, планирования, поиска и проверки. Структурированные переходы ограничивают свободную агентную петлю.

    NetEase Cloud Music, Hangzhou Dianzi University

    #Языковые модели и агенты#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  50. Multilingual Semantic Retrieval for Apple Music Search

    Многоязычный bi-encoder кодирует запросы и структурированные музыкальные документы. Поведенческие пары и согласование шкал соединяют семантический канал с поисковой системой.

    Apple

    #Промышленные системы#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  51. Personalizing Incremental Video Search with Hybrid Text and ID Embeddings

    Текстовые и ID-представления обучаются отдельно на поведенческой близости. Их персональные cosine-affinity добавляются в ранкер инкрементального видеопоиска.

    Apple

    #Промышленные системы#Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  52. RECAP: Feedback-Driven Streaming Semantic User Profiles for Short-Video Recommendation

    RECAP обновляет тематическую память по хронологическим блокам истории и ссылкам на поддерживающие события. Детерминированная машина состояния управляет давностью и приоритетами записей.

    University of Science and Technology of China, Kuaishou Technology +1

    #Языковые модели и агенты#Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  53. RecEvolve: A Knowledge-Driven Autonomous Agent System for Recommender Systems

    RecEvolve организует цикл идей, критики, кода и офлайн-проверки специализированными агентами. Версионирование позволяет накапливать принятые изменения и откатывать неудачные.

    Google, Google YouTube

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  54. SMART: LLM-Augmented Hybrid Retrieval for Dynamic Product Ads

    SMART сначала выполняет дешёвый поиск по точным брендам и категориям. Аудит покрытия готового пула решает, нужна ли дополнительная языковая генерация запросов.

    Snap

    #Реклама и рекомендации#Промышленные системы#Языковые модели и агенты

    Публикация конференцииZotero ↗

  55. Self-Evolving Recommendation System: End-To-End Autonomous Model Optimization With LLM Agents

    Агенты предлагают компактные изменения промышленной конфигурации и проверяют их через общий журнал экспериментов. Разные роли исследуют архитектуру, оптимизацию и награды при фиксированных контрактах.

    Google YouTube

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  56. Shape Your Feed: An LLM-based Agentic System for Conversational Recommendation

    Shape Your Feed переводит свободную пользовательскую обратную связь в намерения для существующего ранжирующего стека. Контекстные подсказки и агентный интерфейс делают управление лентой доступным через диалог.

    Meta Platforms, Inc.

    #Объяснения и контроль#Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  57. TubiFM: Unified Item, Carousel, and Search Ranking for Streaming Discovery

    TubiFM сериализует поиски, сессии и просмотры в общую пользовательскую историю. Один интерфейс ранжирования обслуживает объекты, карусели и поиск.

    Tubi

    #Промышленные системы#Последовательные рекомендации#Языковые модели и агенты

    Публикация конференцииZotero ↗

  58. Which LLM to Fine-Tune? Agent-Driven Model Selection at Scale

    AgentRec фильтрует модели по ограничениям развёртывания и дешёвым оценкам пригодности. Последующие этапы распределяют бюджет дообучения между разнообразными кандидатами.

    Amazon Search, Amazon

    #Языковые модели и агенты#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  59. Blended User Embeddings for Steerable Matrix Factorization

    BLUE кодирует текстовую сводку предпочтений и смешивает её с пользовательским фактором. Правка текста позволяет направлять матричную факторизацию без переобучения всей системы.

    Politecnico di Milano, Politecnico di Torino

    #Объяснения и контроль#Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  60. Do SID Alignments Help Generative Recommendation? A Research and Practice Note on OpenOneRec Diagnostics

    Диагностика OpenOneRec проверяет соответствие SID языковым представлениям. Контролируемое сравнение меняет инициализацию кодов при одинаковой задаче SID-to-SID.

    Tsinghua University

    #Генеративные рекомендации#Языковые модели и агенты#Оценка и причинность

    Публикация конференцииZotero ↗

  61. How Faithful Is the Reasoning of LLM Recommenders? A Counterfactual Audit

    Контрфактический аудит меняет объясняющий текст при фиксированном запросе и кандидатах. Перефразирование и повтор исходного reasoning служат контролями изменения ранжирования.

    Microsoft

    #Оценка и причинность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  62. In-Batch Negatives Can Silently Cripple LLM-Encoded Sequential Recommenders

    Работа диагностирует обучение последовательного рекомендателя с замороженными языковыми признаками. Ограниченный in-batch негативный пул сравнивается с полным каталогом и изменением обработки представлений.

    —

    #Последовательные рекомендации#Языковые модели и агенты#Оценка и причинность

    Публикация конференцииZotero ↗

  63. Intent-Description Anchoring Bias in LLM-as-a-Judge Evaluation of Recommender Systems

    Один и тот же музыкальный список предъявляется судье под разными описаниями алгоритма. Слепое и информированное условия измеряют влияние заявленного намерения системы.

    Spotify

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  64. SERA: A Multi-Dimensional Evaluation Framework for Retail Agentic Shopping Assistants

    SERA переводит продуктовые и нормативные требования торгового агента в отдельные рубрики. Языковой судья оценивает полезность, соблюдение ограничений и риски с учётом контекста.

    Target Inc.

    #Оценка и причинность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  65. Should I Be Polite to My LLM Relevance Judge? Tone as a Severity Operating-Point Shift

    Неизменная рубрика релевантности оборачивается промптами разного тона. Перефразировки позволяют оценить сдвиг строгости языкового судьи.

    —

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  66. Sparse Autoencoders as Semantic Domain Adapters for Recommender Systems

    Разреженный автоэнкодер адаптирует замороженные текстовые эмбеддинги через реконструкцию. Наиболее сильные координаты формируют нормированное представление без обучающих взаимодействий.

    Recombee, Charles University +2

    #Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  67. Towards Dynamic Relationship Schema Discovery for Complementary News Recommendation

    DRSD предлагает языковой моделью новые отношения между новостями для трудных пар. Эксперты отношений сохраняются или удаляются по вкладу в валидационную потерю прогноза клика.

    MicroAd, Inc.

    #Языковые модели и агенты#Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  68. When Should Recommender Systems Not Act?

    Концептуальная рамка рассматривает обнаружение неуместного действия и выбор реакции системы. Воздержание, уточнение и изменение поведения связываются с последствиями ошибки.

    TU Wien, KTH Royal Institute of Technology +1

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  69. AutoRecLab: An Autonomous Recommender Systems Lab

    AutoRecLab переводит запрос в контракт эксперимента и генерирует код по документации библиотек. Статические и исполнительные проверки запускают цикл исправлений.

    University of Siegen, University of Göttingen

    #Языковые модели и агенты#Оценка и причинность

    Публикация конференцииZotero ↗

  70. Conversational Recommendation over Live E-Commerce Catalogues with Self-Refreshing Retrieval

    Система синхронизирует каталог по стабильным ID и раздельным полным и семантическим хешам. Только содержательные изменения требуют повторного обогащения и кодирования.

    Infobip

    #Промышленные системы#Языковые модели и агенты

    Публикация конференцииZotero ↗

  71. How Would You Like Your Recommendations? p-book, a Self-Recommending Living Book That Teaches How Recommender Systems Work

    P-book отделяет учебное понятие с фиксированным контрактом от вариантов его объяснения. Пользователь управляет формой подачи, а каталог может пополняться новыми версиями.

    Czech Technical University, AI detem non profit organization

    #Объяснения и контроль#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  72. Loom: LLM-Powered Naturally Embedded Recommendation

    Loom получает кандидатов от независимого retrieval и встраивает ссылку в текст статьи. Модуль генерации выбирает место и формулировку рекомендации.

    The World Bank

    #Реклама и рекомендации#Языковые модели и агенты#Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  73. Lumi: An LLM-Grounded System for Safety-Aware POI Recommendations

    Lumi передаёт языковой модели городской контекст и выбранную пользователем осторожность для поиска мест. Мобильный интерфейс показывает рекомендации с объяснениями после проверки структуры ответа.

    University of Haifa, University of Cagliari

    #Кросс-домен и мультимодальность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  74. ReBait: From Clickbait to Informed Choice in Live News Recommendation Feeds

    ReBait обнаруживает новостные карточки браузерным расширением и классифицирует заголовки. Подсказки на этапе выбора добавляют контекст без замены ранжирования ленты.

    National Cheng Kung University

    #Объяснения и контроль#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  75. Tasteprint: Cross-Platform Recommendation Agent

    Tasteprint собирает разрешённую активность разных платформ через пользовательского агента. Наблюдения отделяются от предварительных гипотез профиля и дальнейшего рекомендательного решения.

    Nanjing University of Information Science and Technology, Nanyang Technological University +2

    #Языковые модели и агенты#Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  76. ValueVet: Auditing Recommender Systems for Fairness and Value Alignment Using Constitutional AI Principles

    ValueVet превращает заданные принципы в критерии внешнего аудита. Парные сценарии меняют контролируемые пользовательские атрибуты для сравнения рекомендаций.

    University of Washington

    #Объяснения и контроль#Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  77. WiseFood: A Multi-Task Conversational Recommender for Trustworthy, Integrated, and Personalized Dietary Guidance

    WiseFood объединяет ответы о питании, адаптацию рецептов и планирование рациона через общую память. Происхождение источников и жёсткие ограничения отделяются от языковой генерации.

    ATHENA Research Center, Infili Technologies SA +1

    #Кросс-домен и мультимодальность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  78. A Design-Space Approach to Robust Agentic Conversational Recommendation

    Диссертационная программа задаёт переключаемые оси представления предпочтений, инструментов и уточнений. Общий каркас нужен для контролируемых сравнений агентных решений.

    University of Pisa

    #Языковые модели и агенты#Оценка и причинность

    Докторантский симпозиумZotero ↗

  79. Teaching Recommenders to Listen: Bidirectional Natural-Language Control for Personalized News

    Программа новостного управления предлагает постоянную текстовую инструкцию для сборки коллекции поверх ранкера. Отдельный отчёт должен объяснять исполнение, ограничения и повод уточнить пожелание.

    University of Minnesota, Twin Cities

    #Объяснения и контроль#Языковые модели и агенты#Кросс-домен и мультимодальность

    Докторантский симпозиумZotero ↗

  80. What Reasoning Should a Recommender Have? Designing Reasoning for Inference-Time Scaling in Recommendation

    Программа разделяет состояние рассуждения и предсказывающие векторы интересов. Выполненная RecRec служит основой дальнейшего исследования inference-time вычислений.

    University of Glasgow

    #Последовательные рекомендации#Языковые модели и агенты

    Докторантский симпозиумZotero ↗

  81. Real-Time Hard Negative Sampling via LLM-based Clustering for Large-Scale Two-Tower Retrieval

    Cluster GOOBS поддерживает ограниченный свежий пул негативов вне батча. Сегментация по смысловым кластерам позволяет выбирать трудные примеры рядом с позитивом.

    Meta Platforms, Inc.

    #Промышленные системы#Языковые модели и агенты

    ВоркшопZotero ↗

  82. Multi-Modal Semantic Expansion with Constrained LLM Reranking for Conversational Music Recommendation

    Челлендж-система объединяет лексический и мультимодальный музыкальный retrieval. Ограниченный языковой реранкер уточняет кандидатов с учётом доступной истории сессии.

    National Institute of Technology Kurukshetra, Queen Mary University of London

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Отчёт челленджаZotero ↗

RecSys2026

Разборы работ RecSys 2026 · обновлено 2026-10-16.