?
Pre-trained LLMs Meet Sequential Recommenders: Efficient U ser-CentricKnowledgeDistillation
P. 508–517.
Severin N., Kartushov D., Urzhumov V., Kulikov V., Konovalova O., Grishanov A., Klenitskiy A., Fatkulin A., Васильев А. В., Савченко А. В., Макаров И. А.
Ключевые слова: рекомендательные системыраспространение знанийKnowledge distillationsequential recommendationrecommender systemslarge language model (LLM)большие языковые модели (LLM)
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
В книге
Cham: Springer Publishing Company, 2026.
Stepin A., Mozikov M., Kabanov A. и др., IEEE Access 2026 Vol. 14 P. 48127–48144
Добавлено: 16 июня 2026 г.
Abdullaeva I., Karpukhin I., Filatov A. и др., IEEE Access 2026 Vol. 14 P. 59390–59408
Добавлено: 16 июня 2026 г.
Деркачева А. А., Сакиркина М. А., Краев Г. Н. и др., , in: AI for good innovate for impact report 2025.: Geneva: International Telecommunication Union, 2025. P. 167–169.
Добавлено: 26 мая 2026 г.
Добавлено: 28 апреля 2026 г.
Сулейкин А. С., Сорокина В., Пятецкий В. Е., , in: 2025 7th International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency.: [б.и.], 2025. P. 748–753.
Добавлено: 17 апреля 2026 г.
Джин С., Панфилов П. Б., Сулейкин А. С., Труды Института системного программирования РАН 2025 Т. 37 № 6 С. 163–176
В современном ресторанном бизнесе точное сопоставление номенклатуры продуктов между ресторанами и поставщиками является критически важной задачей. Эффективное управление запасами и оптимизация закупок напрямую влияют на прибыльность бизнеса. С ростом числа поставщиков и ассортимента продукции традиционные методы сопоставления становятся менее эффективными. В данном исследовании предлагается использовать большие языковые модели (LLM) для автоматизации и повышения точности сопоставления ...
Добавлено: 17 апреля 2026 г.
Юсупов В. А., Sukhorukov N., Фролов Е. П., User Modelling and User-Adapted Interaction 2026 Vol. 36 Article 2
Графовые системы рекомендаций стали мощной парадигмой для персонализированных рекомендаций. Однако их зависимость от полного переобучения модели для интеграции новых пользователей или новых взаимодействий создаёт барьеры для масштабирования. В реальных системах рекомендаций эта задача становится невыполнимой из-за чрезмерных затрат времени и ресурсов. Чтобы преодолеть это ограничение, мы предлагаем быстрый и эффективный метод обновления графовых рекомендательных моделей ...
Добавлено: 15 марта 2026 г.
Liakhnovich K., Lashinin O., Babkin A. и др., Proceedings of the 48th International ACM SIGIR Conference on Research and Development in Information Retrieval 2025 P. 2754–2758
Добавлено: 3 февраля 2026 г.
Юсупов В. А., Sukhorukov N., Фролов Е. П., , in: User Modeling and User-Adapted Interaction.: Springer, 2026. Ch. 36.2 P. 1–24.
Графовые системы рекомендаций стали мощной парадигмой для персонализированных рекомендаций. Однако их зависимость от полного переобучения модели для интеграции новых пользователей или новых взаимодействий создаёт барьеры для масштабирования. В реальных системах рекомендаций эта задача становится невыполнимой из-за чрезмерных затрат времени и ресурсов. Чтобы преодолеть это ограничение, мы предлагаем быстрый и эффективный метод обновления графовых рекомендательных моделей ...
Добавлено: 29 января 2026 г.
Time to Split: Exploring Data Splitting Strategies for Offline Evaluation of Sequential Recommenders
Gusak D., Volodkevich A., Klenitskiy A. и др., , in: RecSys '25: Proceedings of the Nineteenth ACM Conference on Recommender Systems.: ACM, 2025. P. 874–883.
Добавлено: 26 января 2026 г.
Караваева Е. А., Василевский В. И., Ланин Г. М. и др., Труды Института системного программирования РАН 2025 Т. 37 № 4 С. 175–190
Продолжающаяся цифровизация образования требует новых способов представления информации и механизмов удержания внимания. Цель представленной работы – предложить решение на основе большой языковой модели, которая будет интерактивно генерировать подсказки различных типов в рамках электронного учебного курса по программированию. Основными подходами являются анализ существующих относительно небольших языковых моделей, TOPSIS-анализ (методика определения порядка предпочтения по сходству с идеальным ...
Добавлено: 25 декабря 2025 г.
David Arteaga, Попцова М. С., Computational and Structural Biotechnology Journal 2026 Vol. 31 P. 82–93
Добавлено: 22 декабря 2025 г.
Sviridov I., Miftakhova A., Tereshchenko A. и др., , in: Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (EMNLP).: Association for Computational Linguistics, 2025. Ch. 1353 P. 26625–26665.
Добавлено: 16 ноября 2025 г.
Юсупов В. А., Рахуба М. В., Фролов Е. П., , in: CIKM '25: Proceedings of the 34rd ACM International Conference on Information and Knowledge Management.: ACM, 2025. Ch. 1 P. 5469–5473.
В этой работе мы представляем быстрый и эффективный линейный подход к обновлению рекомендаций в масштабируемой графовой рекомендательной системе UltraGCN. Решение этой задачи чрезвычайно важно для поддержания актуальности рекомендаций в условиях большого объема новых данных и меняющихся предпочтений пользователей. Чтобы решить эту проблему, мы адаптируем простой, но эффективный подход к низкоранговой аппроксимации в графовой модели. Наш ...
Добавлено: 3 октября 2025 г.
Юсупов В. А., Рахуба М. В., Фролов Е. П., , in: RecSys '25: Proceedings of the Nineteenth ACM Conference on Recommender Systems.: ACM, 2025. Ch. 1 P. 1217–1221.
Недавние исследования продемонстрировали потенциал гиперболической геометрии для получения сложных свойств из данных взаимодействий в рекомендательных системах. В этой работе мы представляем новую гиперболическую рекомендательную модель, которая использует геометрическую информацию для улучшения обучения представлений и повышения стабильности вычислений одновременно. Мы переформулирвали понятие гиперболических расстояний, чтобы раскрыть дополнительные возможности представления по сравнению с обычным евклидовым пространством и ...
Добавлено: 3 октября 2025 г.
Добавлено: 24 мая 2025 г.
Anna Volodkevich, Ivanova V., Васильев А. В. и др., , in: Advances in Information Retrieval: 47th European Conference on Information Retrieval, ECIR 2025, Lucca, Italy, April 6–10, 2025, Proceedings, Part IV.: Springer, 2025. P. 425–430.
Добавлено: 10 апреля 2025 г.