VaLiDRec：用于生成推荐的可变长度 LLM 对齐语义 ID

生成推荐通常使用通过聚类和量化构建的固定长度语义标识符（SID）来表示项目。然而，这些人工代码可能会过度压缩项目语义，与预训练的 LLM 词汇表保持不一致，并且需要昂贵的自回归解码。鉴于此，我们提出了 VaLiDRec，一个基于可变长度、LLM 对齐的语义标识符的生成推荐框架。 VaLiDRec 通过词元重要性估计、语义质量感知修剪和冲突感知细化，直接从信息丰富的本机 LLM 词汇词元构建 SID，从而允许标识符长度适应项目语义复杂性。为了对用户偏好进行建模，VaLiDRec 结合了图形感知软提示，并将推荐重新表述为带有 词元级 项目评分的标记集预测，从而消除了自回归 SID 生成和波束搜索。对四个真实世界数据集的实验表明，VaLiDRec 在所有评估指标上始终优于强大的顺序和生成推荐基线。它进一步实现了卓越的零样本项目冷启动性能，推理速度比 LC-Rec 快 87.49倍。这些结果表明，LLM 原生可变长度语义标识符为生成推荐提供了更具表现力和更高效的范例。