提出连续查询生成范式替代语义ID改进生成式推荐

Yu Sun 等在 arXiv 论文（2610.12977v1）中提出连续查询生成（CQG）范式，用连续检索查询替代离散 Semantic ID，以移除生成式推荐中有限束搜索带来的 SID 可达性约束，使每个条目都能通过稠密或近似最近邻检索评分。方法包括两种变体：CQG-Single 单次生成一个检索查询，CQG-AR 自回归地生成连续残差更新。 基于论文摘要的实验结果显示：CQG-Single 在全部七次运行中超过 TIGER 风格基线，同时可训练参数仅为基线的 55.3%；CQG-AR 在 ML-1M 上与基线相当，在 Beauty 和 Sports 数据集上数值更强。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。