arXiv Artificial Intelligence· Sunkyung Lee, Xiaokai Wei, Da Long, Hyunsik Jeon, Jiajun Wu, Rithwik Seth, Jongwuk Lee, Michelle Gong, Gungor Polatkan·· 13 小时前AI 评分31
SteerGR：用稀疏自编码器实现可控游戏生成式推荐
SteerGR: Steering Generative Recommendation via Sparse Autoencoders for Controllable Game Discovery
AI 导读
SteerGR 框架通过稀疏自编码器实现游戏发现中的概念级推荐控制，分概念定义与锚定、特征发现与选择、稀疏特征干预三阶段，无需重训推荐模型即可放大或抑制选定特征。在真实游戏数据集上对两个工业级生成式推荐模型的实验显示，所选特征能成功将推荐导向或偏离目标概念。该工作将基于 SAE 的引导方法从 LLM 扩展到工业生成式推荐。
推荐理由模型分析
该预印本把稀疏自编码器的概念级操控从大语言模型迁移到工业生成式推荐，针对推荐项属性难以显式控制的问题，提出概念定义与接地、特征发现与选择、稀疏特征干预三阶段流程，可在不重训推荐器的情况下放大或抑制选定特征。实验基于真实游戏数据集和两个工业模型，验证了推荐向目标概念靠近或远离的效果，适合推荐系统与可解释性研究者参考；但证据限于离线实验，线上效果与多场景泛化尚未验证。
来源：arXiv Artificial Intelligence · arxiv.org