Büyük dil modelleri son yıllarda güçlü öneri sistemleri haline geldi, ancak bu sistemlerin önemli bir sorunu bulunuyordu: bazı ürünler hakkında çok bilgi sahibiyken diğerleri için yetersiz bilgiye sahip olmaları. Bu durum, modellerin eğitim sürecinde farklı bilgilere eşit olmayan şekilde maruz kalmasından kaynaklanıyor.
Araştırmacılar bu 'bilgi boşluğu' problemini çözmek için KnowSA_CKP (Karşılaştırmalı Bilgi Araştırmasıyla Bilgi-Farkında Seçici Artırım) adlı yeni bir yöntem geliştirdi. Geleneksel yaklaşımlar her ürün için ekstra bilgi ekleme yoluna giderken, bu yöntem çok daha akıllı bir strateji benimsiyor.
Sistem, öncelikle modelin mevcut bilgisini değerlendirerek hangi ürünler hakkında yeterli bilgiye sahip olduğunu tespit ediyor. Bunu yaparken, modelin ürünler arası işbirliksel ilişkileri anlama yeteneğini ölçüyor. Sonrasında sadece bilgi eksikliği olan alanlara odaklanarak gereksiz bilgi yüklemesinden kaçınıyor.
Bu yaklaşım, sınırlı bağlam kapasitesinin daha verimli kullanılmasını sağlayarak hem kaynak tasarrufu yapıyor hem de modelin akıl yürütme sürecini iyileştiriyor. Sonuç olarak daha kaliteli ve tutarlı öneriler elde ediliyor.