统一搜索与推荐：大语言模型时代的信息获取新探索

莱顿大学团队提出GEMS框架，无需全参数微调即可在十亿参数级大语言模型中统一建模搜索与推荐任务。该方法通过多子空间梯度分解和零空间投影减少任务间的梯度冲突，并保护模型原有通用语义理解能力。实验表明，GEMS在搜索与推荐任务上均取得显著提升。

🔗 [论文地址]：https://arxiv.org/abs/2601.09496
🔗 [GitHub项目]：https://github.com/Polaris-JZ/GEMS