研究人员提出了CALRec，一个两阶段的LLM微调框架，通过两种对比损失和语言建模损失在两个塔式结构中微调预训练的LLM。CALRec模型在Recall@1和NDCG@10上的性能优于其他方法。

研究人员提出了CALRec，一个两阶段的LLM微调框架，通过两种对比损失和语言建模损失在两个塔式结构中微调预训练的LLM。实验证明，该模型在Recall@1和NDCG@10上的性能显著优于其他方法。