I Recommender Generativi soffrono ancora di bias di popolarità

Uno studio recente pubblicato su arXiv indica che i Recommender Generativi (GR), nonostante il loro sofisticato framework unificato end-to-end, mostrano ancora suscettibilità al bias di popolarità. I ricercatori individuano due ragioni principali: un difetto nell'ottimizzazione a livello di token e l'uniformità nella tokenizzazione degli elementi legata all'indicizzazione semantica. Le tecniche di debiasing esistenti non hanno avuto successo quando applicate ai GR. Per affrontare queste sfide, lo studio introduce un metodo generativo innovativo progettato per eliminare il bias che ha persistentemente afflitto i sistemi di raccomandazione.