R^2ec：迈向具备推理能力的大型推荐模型

大型推荐模型已通过编码或物品生成将 LLM 扩展为强大的推荐器，而 LLM 推理的最新突破同步地促使人们探索推荐中的推理。当前研究通常将 LLM 定位为外部推理模块，以产生辅助思考，从而增强传统的推荐管道。然而，这种解耦设计在显著的资源成本和次优联合优化方面受到限制。为了解决这些问题，我们提出了 \name，一个具有内在推理能力的统一大型推荐模型。首先，我们重新构思了模型架构，以促进自回归过程中的交错推理和推荐。随后，我们提出了 RecPO，一个相应的强化学习框架，它在单个策略更新中同时优化 \name 的推理和推荐能力；RecPO 引入了一种融合奖励方案，该方案仅利用推荐标签来模拟推理能力，消除了对专门推理标注的依赖。在三个数据集上使用各种基线进行的实验验证了 \name 的有效性，显示 Hit@5 相对提高了 68.67%，NDCG@20 相对提高了 45.21%。代码可在 https://github.com/YRYangang/RRec 获取。