ProEx 论文核心总结与翻译一、主要内容总结1. 研究背景与问题现有基于大语言模型（LLM）的推荐系统多采用单实例用户/物品画像，但存在两大核心缺陷：单画像难以全面捕捉用户偏好的复杂性和多面性，无法覆盖用户多样化需求；LLM 存在噪声、幻觉、流行度偏差等固有不稳定性，导致单画像可能存在偏差或误解释，进而损害推荐性能。同时，推荐系统普遍面临交互数据稀疏问题，限制了协作信号的有效提取。2. 核心框架 ProEx提出一种基于多面画像外推（Profile Extrapolation）的统一推荐框架 ProEx，兼容判别式和生成式推荐模型，核心流程如下：多面画像构建：通过四步链式思维（CoT）推理，基于用户/物品的历史交互和辅助信息（标签、描述、评论等），生成1个原始画像（OP）和多个新画像（NP），确保画像的多样性和相关性；维度与语义对齐：利用文本嵌入模型将文本画像转换为语义向量，通过直接对齐（判别式模型）或聚合对齐（生成式模型），实现语言空间与协作空间的维度匹配；环境机制设计：引入“环境”概念，每个环境是所有画像的线性组合（权重由狄利克雷分布采样），通过最小化环境间差异提取用户偏好的不变特征，降低单画像偏差影响；对比正则化