PCN-Rec: המלצות AI אמינות תחת אילוצי פיקוח

בעידן ההמלצות הדיגיטליות, דגמי שפה גדולים (LLM) יוצרים רשימות מרשימות, אך מתקשים לעמוד באילוצי פיקוח כמו חשיפה מינימלית לזנב ארוך או דרישות גיוון. חוקרים מציגים את PCN-Rec, צינור משא ומתן עם הוכחת עמידה שמפריד בין חשיבה בשפה טבעית לאכיפה דטרמיניסטית. השיטה מבטיחה המלצות אמינות ומבוקרות עבור עסקים. (72 מילים) PCN-Rec פועלת כך: מערכת המלצה בסיסית כמו פירוק מטריצות (MF) או סינון שיתופי (CF) מייצרת חלון מועמדים בגודל W. שני סוכנים משא ומתנים: סוכן תומך משתמש שממקסם רלוונטיות, וסוכן מדיניות שאוכף אילוצים. LLM מתווך מסנתז רשימת Top-N עם תעודת JSON המאמתת עמידה באילוצים. (85 מילים) מאמת דטרמיניסטי בודק מחדש את כל האילוצים מהרשימה הסופית ומאשר רק תעודות מאומתות. אם הבדיקה נכשלת, תיקון אפוא גרידי מוגבל מייצר רשימה תקינה ומאפשרת מעקב ניתן לביקורת. השיטה יוצרת נתיב אודיטבלי מלא. (78 מילים) בניסוי על MovieLens-100K עם אילוצי פיקוח, PCN-Rec השיגה שיעור הצלחה של 98.55% אצל משתמשים ישימים (n=551, W=80), לעומת שיטת LLM יחידה ללא אימות. השיטה שמרה על תועלת עם ירידה של 0.021 בלבד ב-NDCG@10 (0.403 מול 0.424), וההבדלים סטטיסטיים משמעותיים (p<0.05). (82 מילים) למנהלי עסקים בישראל, PCN-Rec מציעה פתרון להטמעת AI בהמלצות תוך עמידה בתקנות פרטיות וגיוון תוכן. השיטה מפחיתה סיכונים משפטיים ומשפרת אמון משתמשים, ומתאימה לפלטפורמות מסחר אלקטרוני ומדיה. השקעה בשיטות כאלה תגביר יתרון תחרותי. מה תעשו כדי להבטיח המלצות אמינות? (83 מילים)