arXiv cs.CL· Ziheng Chen, Jiali Cheng, Zezhong Fan, Hadi Amiri, Diyuan Wu, Gabriele Tolomei, Yang Zhang·· 11 小时前AI 评分24
TRACER：用 Token 重分配实现生成式推荐中的概念擦除
TRACER: Token ReAssignment for Concept ERasure in Generative Recommendation
AI 导读
TRACER 是一个基于 token 重分配的端到端概念遗忘框架，用于生成式推荐中移除敏感或有害概念。针对 SID 被遗忘项与保留项共享、导致概念移除与推荐效用冲突的问题，它不直接压制共享 SID，而是将概念相关物品重分配到更利于遗忘的替代 token，并引入一致性正则项保持保留项的语义一致性。在真实推荐数据集上，TRACER 有效移除目标概念，且推荐效用保留显著优于现有遗忘基线。
正文 · AI 翻译
摘要：生成式推荐将下一项预测建模为基于用户历史交互所得的语义 ID（SID）序列的自回归生成，使现代推荐系统在结构上与大语言模型（LLM）相似。随着隐私与安全担忧加剧，这些系统日益需要概念遗忘，以移除与物品相关的敏感或有害概念。然而，现有的 LLM 遗忘方法无法直接应用于生成式推荐。与具有明确语义的词元不同，SID 是抽象标识符，常被遗忘物品与保留物品共享，导致概念移除与推荐效用保持之间产生严重冲突。
为应对这一挑战，我们提出 TRACER，一个基于词元重分配的端到端概念遗忘框架。TRACER 不直接抑制共享 SID，而是将概念相关物品重分配给更有利于遗忘的替代词元，同时尽量减少对保留物品的副作用。我们进一步引入一致性正则化器，以在遗忘过程中保持保留物品间的语义一致性。在真实世界推荐数据集上的实验表明，TRACER 能有效移除目标概念，同时比现有遗忘基线更好地保持推荐效用。
| 评论： | NeurIPS 2026 |
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2606.07688 [cs.IR] |
| （或本版本的 arXiv:2606.07688v2 [cs.IR]） | |
| https://doi.org/10.48550/arXiv.2606.07688 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiali Cheng [查看邮箱]
[v1]
2026年6月5日星期五 05:19:31 UTC（871 KB）
[v2]
2026年11月2日星期一 15:46:16 UTC（940 KB）
来源：arXiv cs.CL · arxiv.org