Echoes in Filter Bubble: Diagnosing and Curing Popularity Bias in Generative Recommenders

En 3 lignesÉtude sur les biais de popularité dans les systèmes de recommandation génératifs (GRs). Les auteurs identifient que ce biais provient d'une faille d'optimisation au niveau des tokens et d'une tokenization d'items non différenciée. Ils proposent Ghost, un GR avec optimisation asymétrique unlikelihood et tokenization skeleton-founded, validé sur 3 datasets.

Résumé généré par Claude — vérifié par l'humain