43 lines
1.7 KiB
Markdown
43 lines
1.7 KiB
Markdown
---
|
||
title: "推荐推理 (Recommendation Reasoning)"
|
||
created: 2026-06-10
|
||
updated: 2026-06-10
|
||
type: concept
|
||
tags: [recommendation, reasoning, chain-of-thought]
|
||
sources: [raw/papers/onereason-team-onereason-2026.md]
|
||
---
|
||
|
||
# 推荐推理 (Recommendation Reasoning)
|
||
|
||
> 在推荐系统中引入「先思考再推荐」的推理范式，让模型在生成推荐结果前进行显式的逻辑推理。
|
||
|
||
## 核心挑战
|
||
|
||
与经典的数学/代码/符号逻辑推理不同，推荐推理具有三个独特性质：
|
||
|
||
1. **多解性**：推荐允许多个合理答案，非单一正确答案
|
||
2. **意图不可观测**：用户真实兴趣永远无法直接观测，只能从行为序列推断
|
||
3. **[[abductive-reasoning-recommendation|溯因推理]]**：推荐推理是溯因（Abduction）而非演绎（Deduction）——从行为反推隐含兴趣
|
||
|
||
## 推理 vs 非推理的意外发现
|
||
|
||
初步研究（OneRec-Think、OpenOneRec）发现 **thinking mode 并不优于 non-thinking mode**。OneReason 论文将此归因于两个缺失要素：
|
||
|
||
- **[[perception-cognition-recommendation|Perception (感知)]]** 不足：itemic token 缺乏语义 grounding
|
||
- **[[perception-cognition-recommendation|Cognition (认知)]]** 不足：CoT 结构不适合推荐任务
|
||
|
||
## 推荐 CoT 的理想结构
|
||
|
||
一个好的推荐 CoT 应该：
|
||
1. 从行为序列中选择相关行为作为假设的兴趣点
|
||
2. 将兴趣压缩为可解释的偏好
|
||
3. 建模兴趣间的时间演化
|
||
4. 将推断的偏好状态与推荐 item 关联
|
||
|
||
## 参考
|
||
|
||
- [[onereason|OneReason]]
|
||
- [[recommendation-cot|推荐 CoT]]
|
||
- [[perception-cognition-recommendation|感知-认知推荐层次]]
|
||
- [[abductive-reasoning-recommendation|溯因推理 (推荐)]]
|