paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
CJ

Canghong Jin

AAAI 2026SIGIR 2026效率与系统检索与知识代码可解释性
新星分资深
23
一作贡献0
核心/参与9
方向广度11
合作网络6
0 一作 · 2 篇 · AAAI 2026 / SIGIR 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

2
作者位次 #7/8SIGIR 2026Oral· Information Retrieval (Full)

BEAR: Towards Beam-Search-Aware Optimization for Recommendation with Large Language Models

Weiqin Yang · Bohao Wang · Zhenxiang Xu · Jiawei Chen · Shengjia Zhang · Jingbang Chen · Canghong Jin · Can Wang

摘要

Recent years have seen a rapid surge in research leveraging Large Language Models (LLMs) for recommendation. These methods typically employ supervised fine-tuning (SFT) to adapt LLMs to recommendation scenarios, and utilize beam search during inference to efficiently retrieve B top-ranked recomme...

效率与系统检索与知识代码OpenReview

常见合作者