文章主要内容与创新点总结主要内容本文提出了REC-R1框架，通过强化学习（RL）将大型语言模型（LLM）与推荐系统相结合，解决传统推荐系统缺乏开放域知识和用户意图理解的问题。REC-R1直接利用推荐系统的反馈信号（如NDCG、Recall）优化LLM的生成策略，无需依赖监督微调（SFT）或外部标注数据。实验表明，REC-R1在商品搜索和序列推荐任务中均显著优于基于提示或SFT的方法，同时保留了LLM的通用能力。创新点闭环优化框架：首次将LLM与推荐系统通过强化学习闭环连接，使LLM直接学习最大化推荐性能的生成策略。避免监督微调局限性：无需依赖如GPT-4o生成的合成数据，消除数据蒸馏的高成本，且突破SFT性能受限于数据生成模型的天花板。任务灵活性与模型无关性：适用于多种推荐架构（如BM25、BLAIR），支持不同生成任务（查询改写、用户画像生成等），无需修改推荐系统内部结构。保留LLM通用能力：通过RL优化，REC-R1在提升特定任务性能的同时，避免了SFT导致的指令遵循和推理能力下降。摘要翻译Rec-R1：通过强化学习连接生成式大型语言模型与以用户为中心的推荐系统我们提出了REC-R1，一个通过闭环优化将大型语言模型（LLM）与推荐系统相结合的通用强化学习