arXiv ID:
2607.04270
arXiv 提交日期: 2026-07-05
LBR:缓解大语言模型推荐中的长度偏差 / LBR: Towards Mitigating Length Bias in Large Language Models for Recommendation
1️⃣ 一句话总结
本文发现大语言模型在用于推荐系统时,会因商品文本描述长度不同而产生偏好偏差(较长文本获得更多注意力,较短文本在生成评分时被低估),并提出了一个轻量、通用的框架LBR,通过校准注意力权重和改用基于信息论的长度归一化方法,在几乎不增加计算成本的情况下同时提升了推荐的准确性和公平性。