京都大学大学院情報学研究科・認知システム講座・記号創発システム分野（谷口研究室）の笹井勇亮です。
今回は論文紹介として推薦システムの事後説明生成手法としてLLMを評価した研究「LLM-generated Explanations for Recommender Systems」を共有します。
以下に、この研究の簡単な概要を載せておきますので、ぜひ一読いただき、より詳細を気になった方はスライドおよび元論文をご確認ください。
概要
この研究は、推薦システムがなぜそのアイテムをユーザに推薦したかという推薦理由を大規模言語モデル（LLM）に生成させたとき、ユーザーはどう感じるのかを検証したものです。
シンプルな定型文の説明と、LLMがその場の文脈に合わせて生成した説明をユーザーに比較してもらったところ、被験者の82.5%が、LLMによる説明の方を「良い」と評価しました 。
LLMが生成する、背景情報が豊かな説明は、ユーザーの理解、満足度、そしてシステムへの信頼を大きく向上させる可能性が提示されました 。
この研究は、LLMが既存のどんな推薦システムにも後付けできる、強力な「説明役」になる可能性を示唆しています 。
より詳しい実験内容や、LLMが実際に生成した説明の具体例については、ぜひスライド本編をご覧ください。
出典: Sebastian Lubos, et al. (2024). LLM-generated Explanations for Recommender Systems.
UMAP Adjunct '24.
Discussion