530万参数搞定25领域对话推荐，HR@1飙升35.4%，延迟降266倍！
LightCRS: Lightweight Multi-Domain Conversational Recommendation System
📖 AI 总结
该论文提出LightCRS，一个面向多领域多模态对话推荐场景的轻量化框架，旨在解决现有视觉语言模型方法在多产品领域扩展时面临的成本与精度矛盾：为每个领域单独部署适配模型会使成本随领域数量线性增长，而将全部领域简单合并进单一模型又会因品类差异过大而降低准确率。LightCRS的核心思路是离线用冻结编码器一次性预计算多模态商品表示，在线仅通过一个约530万参数、跨领域共享的查询条件交叉注意力模块融合证据，并借助候选间Transformer联合比较候选商品。为支持严格评测，作者构建了覆盖25个领域的基准MM-R2A-25，将Reddit上真实的求推荐对话与亚马逊商品信息配对。实验显示，LightCRS在平均HR@1、NDCG@5和MRR上均达到当前最优，HR@1较最强基线提升35.4%，单次查询延迟降低266倍；同时，多领域联合训练本身相比各领域单独训练可带来15.2%的HR@1提升。该工作为低成本、可扩展的多领域对话推荐提供了可行方案。
🔑 关键词速览
| LightCRS | 本文提出的轻量级、查询条件化的多领域多模态对话推荐框架。 |
| VLM | 视觉语言模型，用于处理多模态产品信息与对话意图的匹配。 |
| 查询条件化交叉注意力 | 一种注意力机制，根据查询动态融合多模态证据，参数跨领域共享。 |
| MM-R2A-25 | 本文构建的25领域多模态对话推荐基准数据集，结合Reddit对话与Amazon产品。 |
| HR@1 | 命中率@1，衡量推荐列表中第一个结果是否正确的评估指标。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅