PROVE-REC：LLM推荐的可验证偏好证明

大语言模型能从交互历史与评论推断用户偏好，但其生成的理由未必反映推荐实际使用的信息：偏好主张可能被所选证据弱支撑，或对最终排序几乎无影响。我们把这两种失败合称为接地-影响差距。我们提出PROVE-REC——LLM推荐中可验证偏好推理的通用框架：Pass A把完整的前目标历史转换为紧凑偏好证明，由链接到所选证据条目的正面与回避声明组成；Pass B仅凭证明及其所选证据预测下一物品，阻止推荐器绕过推理路径。为核验证据到证明的接地性，比较掩码所选证据与掩码可比对照条目的效应；为核验证明到推荐的影响力，移除偏好主张并测量目标项排序边际的下降。排序保持目标进一步保留完整历史中的有用信息。在广泛的真实数据集上的综合实验显示PROVE-REC持续优于强序列、生成式与LLM增强基线，改进至多7.45%；受控消融确认双Pass架构与验证目标的有效性；且其声明更强烈地接于历史证据、对推荐更有影响力，同时保持排序质量。