WhisperRec: Ragionamento Latente per Modelli di Raccomandazione Fondamentali Efficienti

Uno studio recente presenta WhisperRec, un nuovo framework progettato per il ragionamento latente efficiente nei modelli di raccomandazione fondamentali (FRM). Mentre i grandi modelli linguistici (LLM) sono stati utilizzati come elementi fondamentali per gli FRM grazie alle loro capacità di ragionamento, i metodi attuali che impiegano il Chain-of-Thought (CoT) esplicito all'interno del framework Think-then-Answer soffrono di significativi ritardi di inferenza e template inflessibili. WhisperRec trasforma il CoT generato dal teacher in token di ragionamento latente apprendibili, facilitando un approccio Latent-Reason-then-Answer che conduce il ragionamento nello spazio latente senza lunghe spiegazioni. Questa innovazione mitiga i problemi di latenza preservando le informazioni decisionali critiche. Inoltre, il framework presenta Multi-View Adaptive CoT per catturare una varietà di preferenze degli utenti. Il paper è disponibile su arXiv con ID 2607.26621.