weixin_46351593的博客

本文提出CoFiRec模型，通过构建从粗到细的多层级token序列实现生成式推荐。模型首先将物品的类别、标题、描述等文本特征分层编码为离散token，并添加协同过滤行为token。采用向量量化技术，结合重建损失和Commitment Loss优化tokenizer，确保语义信息保留且编码稳定。最后通过自回归模型按层级顺序生成推荐。实验表明该方法优于现有方案，有效模拟用户从粗到细的决策过程。代码已开源。

一篇人大高瓴学院的文章 《Think Before Recommend: Unleashing the Latent Reasoning Power for Sequential Recommendation》提出先思考、再推荐的新推荐框架 ReaRec，在不改变模型结构的前提下，让模型在推理阶段多走几步，把上一步的想法再喂回去继续想，从而更好地把握用户兴趣演化与长尾问题。