本研究探讨了大型语言模型在多用户偏好的群体推荐系统中的应用，发现当评价数量超过100时，模型性能显著下降。小型语言模型在适当条件下仍能有效生成群体推荐，提示未来研究需关注群体复杂性对推荐系统评估的影响。

本研究提出了AlignGroup方法，解决了群体推荐任务中既考虑群体共识又考虑个体偏好的问题。通过超图神经网络学习群体内外关系，并通过自监督对齐任务捕捉群体决策。实验证明，AlignGroup在群体推荐和用户推荐任务中优于现有方法。