Новости

HARP: Training-Free Dual-Profile Agentic Communication for LLM-Based Recommendation

arXiv cs.AI · Опубликовано 3 ноября 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: HARP adds three operators to frozen LLM recommendation systems: symmetric item profiles, retrieval-level homophily matching, and reflective profile updates without retraining.
Почему это важно: Engineers building LLM-based recommenders who want better ranking accuracy without modifying the base model or retraining.
На что обратить внимание: The method requires access to item metadata for profile extraction and adds computational cost during retrieval; gains vary across datasets.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

arXiv cs.AI · Опубликовано 3 ноября 2026 г. · 3 мин чтения

Что произошло: HARP adds three operators to frozen LLM recommendation systems: symmetric item profiles, retrieval-level homophily matching, and reflective profile updates without retraining.
Почему это важно: Engineers building LLM-based recommenders who want better ranking accuracy without modifying the base model or retraining.
На что обратить внимание: The method requires access to item metadata for profile extraction and adds computational cost during retrieval; gains vary across datasets.

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.