CALMRec：用于长期推荐的因果对齐语言记忆

大语言模型 (LLM) 可以用自然语言总结异构用户证据，但当前的 LLM 推荐器经常将持久的偏好、短暂的意图和暴露引起的行为整合到一个配置文件中。这使得推荐容易受到反馈循环的影响：重复曝光会被误认为是偏好，即时点击主导了延迟满意度，流畅的解释不一定反映排名决策。我们提出了我们的方法，一种与模型无关的长期推荐框架。我们的方法使用冻结的多模态语言模型将项目内容和反馈转换为有证据的语义原子，然后维护单独的短期、长期和暴露记忆。倾向加权更新减少了政策引起的暴露偏差，而保守的线下批评家则在行为支持约束下对延迟满足的候选人进行了重新排名。解释仅使用有影响力的证据原子，并通过反事实删除进行检查。我们提供识别结果并在类电子商务、类新闻和类短视频环境中评估框架。在十个种子中，我们的方法将贴现长期价值比最强替代方案分别提高了 6.1%、7.6% 和 6.7%。二十颗种子配对消融在去除倾向校正 (0.739 +/- 0.191) 或保守支持正则化 (0.523 +/- 0.234) 后显示出显着的值下降。在保留的释义基准上，冻结的指令语言模型的语义原子 NDCG 也比 TF-IDF 提高了一倍多。