LLM推荐系统位置偏差检测方法提出

2026年10月30日，arXiv Artificial Intelligence 刊出研究，作者 Carlos Peláez-González 等提出检测基于 LLM 的推荐系统中位置偏差的两种方法：POB-ICM 基于列联表分析与卡方独立性检验；POB-UNBP 基于置换评估下的均匀零模型，属样本高效方法，并支持带形式统计保证的随机解码。研究在 RAG 测试台上开展实证：使用真实商品目录、固定提示词模板和 2000 条模板生成查询，每条查询设 20 种排列，共 40,000 个实例。结果显示，所有受测 SOTA 模型均拒绝位置独立与均匀的零假设，即其推荐对候选呈现顺序存在统计可检测的依赖。目前进展停留在方法提出与上述测试台实证阶段，报道未涉及其他数据集或线上系统的验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。