BriefGPT - AI 论文速递 ·

基于提示的LLM在个性化推荐中的位置偏见感知重排序

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本研究提出了一种结合传统推荐模型与大型语言模型的混合框架，以解决推荐系统中的位置偏见问题。实验结果表明，用户历史随机化能改善排名质量，但LLM重排序未能超越基础模型，且减少偏见的效果有限，揭示了LLM的局限性。

🏷️

2026年可用的5个免费LLM API提供商
本文介绍了五个提供免费LLM API的服务商：GroqCloud（高速推理）、OpenRouter（多模型试用）、Cloudflare Workers A...
2026 保险双录厂家推荐：看即构智能双录如何解决保险行业痛点
保险双录正从可选变为强制，监管趋严，但行业面临一次通过率低、弱网卡顿、质检不足等痛点。选型需关注弱网抗性、AI实时质检、话术灵活配置、多端兼容、合规存证及...
DeepSeek-V4 模型结构（3）：序列维度（下），HCA、混合排布与零件
本文详解DeepSeek-V4模型结构：HCA将128个token压缩为一条目，无需稀疏选择；CSA与HCA交错排布，确保全局信息不丢失；滑窗分支弥补压缩...
DeepSeek-V4 模型结构（2）：序列维度（中），Lightning Indexer 与稀疏选择
本文介绍DeepSeek-V4模型中的压缩稀疏注意力（CSA）机制。KV缓存每4个token压缩为一条，1M上下文仍有26万条目，故用lightning ...
DeepSeek-V4 模型结构（1）：序列维度（上），从 MLA 到压缩 KV
本文介绍DeepSeek-V4的注意力机制，从MHA到CSA/HCA的演进，重点分析压缩KV缓存的方法。V4将每4或128个token压缩为一条512维K...
DeepSeek-V4 模型结构（0）：一张图看懂 DeepSeek-V4
本文介绍DeepSeek-V4模型架构：Pro版总参数1.6T、61层，Flash版284B、43层，均采用4条残差流、交错CSA/HCA压缩注意力与Mo...