محققان در پژوهش جدیدی به سراغ بهبود مدلهای زبانی در سیستمهای توصیهگر چنددامنهای (CDSR) رفتهاند. مدلهای فعلی هنگام ترکیب دانش از دامنههای مختلف، معمولاً با مشکل «تداخل دانش» و افت عملکرد مواجه میشوند.
تکنیک جدید «SharpRec» با دو قابلیت کلیدی طراحی شده است:
۱. همترازی هندسی (Geometric Alignment): برای ایجاد یک پایه پایدار و بدون تداخل در ادغام مدلها.
۲. فعالسازی برجستگی ترجیحی (Preference Salience Activation): برای بازیابی ویژگیهای کلیدی و افزایش کارایی در دامنه هدف.
این نوآوری میتواند سرعت و دقتِ پیشنهادهای هوش مصنوعی در پلتفرمهای مختلف را به طرز چشمگیری افزایش دهد. 📈✨
گر
منبع: arXiv Machine Learning