本文提出了同态自监督学习框架，统一和概括自监督学习算法，验证了其有效性，并探索了与传统基于增强的自监督学习的参数关系，讨论了其潜在好处。

该研究提出了一种名为LLM-Rec的方法，通过输入增强措施来提高大型语言模型在个性化内容推荐中的性能。实验证明，使用LLM生成的增强输入文本和多样的提示策略可以改善推荐性能。