重新思考基于LLM的推荐：一种基于查询生成的无训练方法

本文针对现有大型语言模型（LLM）推荐方法在处理候选库效率低、敏感于提示中的项目顺序、扩展性差和随机负采样带来的不现实评估等问题，提出了一种查询生成的推荐方式，通过生成个性化查询从整个候选池中检索相关项目，从而消除候选预选择的需求。实验证明，该方法在多个数据集上显示出最高达到57%的性能提升，平均提升31%，展示了强大的零样本性能，并在与现有模型结合时进一步提高效果。