مدلهای زبانی بزرگ (LLM) امروزه ستون فقرات سیستمهای توصیهگر هستند، اما یک چالش بزرگ دارند: آنها عمدتاً با دادههای متنی کار میکنند و در درک دادههای عددی یا ویژگیهای پیچیده (Embedding) ضعف دارند.
محققان در مقالهای جدید، یک چارچوب خلاقانه به نام «Soft-token fusion» معرفی کردهاند. این روش به مدلهای زبانی اجازه میدهد تا دادههای عددی و ویژگیهای غیرمتنی را هم به راحتی درک کنند. نتیجه؟ دقت بسیار بالاتر در سیستمهای توصیهگرِ فروشگاههای بزرگی مثل آمازون! 🛍️
این یعنی در آیندهای نزدیک، پیشنهادهایی که در سایتها میبینیم بسیار دقیقتر و هوشمندتر از قبل خواهند بود.
گر
منبع: arXiv Machine Learning
