本文是LLM系列文章,针对《Aligning Large Language Models for Controllable Recommendations》的翻译。
摘要
受大型语言模型(LLM)非凡的通用智能的启发,研究人员已经开始探索其在开创下一代推荐系统中的应用——这些系统是对话的、可解释的和可控的。然而,现有文献主要集中在将特定领域的知识集成到LLM中以提高准确性,而往往忽视了遵循指令的能力。为了解决这一差距,我们最初引入了一组监督学习任务,并添加了来自传统推荐模型的标签,旨在明确提高LLM遵守推荐特定指令的熟练程度。随后,我们开发了一个基于强化学习的对齐程序,以进一步加强LLM在响应用户意图和减少格式错误方面的能力。通过在两个真实世界的数据集上进行广泛的实验,我们的方法显著提高了LLM遵守推荐系统中指令的能力,同时保持了高水平的准确性。