Zhejiang University02 4.05
Generate What You Can Trust: Content Credibility in Generative Recommenders
UTSNYU Abu DhabiCreGR 将内容可信度纳入生成式推荐的分词与生成两个阶段，先学习区分可信和不可信内容的语义 token，再用离散扩散与非对称掩码控制生成。三个真实数据集实验中，PolitiFact 的 CR@5 从 LLaDA-Rec 的 0.8887 升至软版本的 0.9855，HR@5 从 0.2720 升至 0.2762，体现可信度与命中率可联合优化。
INSIGHT直接删除不可信交互会连同偏好信息一起丢失，论文在 MHMisinfo 上观察到 HR@5 下降 23.53%。社区帖子、问答与评论可借鉴可信度信号与用户兴趣分离编码，再控制生成阶段的风险 token；但需要可靠内容标签，离线可信度比例不能替代社区搜索相关性、CTR 与线上误伤率验证。
Zhuo Cai, Guanghao Wu, Shoujin Wang, Peilin Zhou, Victor W. Chu
arXiv·2026-10-05·Relevance 5 · Novelty 4 · Practical 3 · Evidence 4 · Timely 4