DiMA 入选 AAAI 2026（Oral）

我们欣喜的宣布：团队论文 DiMA（Distinguishing Resident and Tourist Preferences via Multi-Modal LLM Alignment for Out-of-Town Cross-Domain Recommendation） 入选 AAAI 2026 并获 Oral 报告！

作者： Fan Zhang, Jinpeng Chen, Tao Wang, Huan Li, Senzhang Wang, Feifei Kou, Ji Ye, Kaimin Wei, Zhenye Yang

工作亮点（基于论文摘要）： DiMA 面向“异地出行（OOT）推荐”中的重排任务，针对两大瓶颈——跨模态推理困难与常住/游客偏好偏移——提出一套端到端的多模态 LLM 对齐与教师-学生蒸馏框架：

• 多模态对齐： 先利用 MLLM/LLM 将 POI 的图像与文本统一映射为结构化语义标签，从而支持跨模态对比与高效下游推理。
• 偏好解耦： 设计 CoT（Chain-of-Thought） 推理流程，由“教师”LLM 从常住城市与旅行城市历史中区分并综合“游客模式”偏好，据此对候选 POI 进行重排。
• 高效落地： 以 SFT→DPO 两阶段训练“学生”小模型，学习并有望超越教师的重排逻辑，实现低时延推理，显著提升 OOT 重排表现。
• 实验结果： 在真实多城数据上，DiMA 对多种强基线的 NDCG@K/MAP@K 均有显著提升。

欢迎持续关注后续论文与代码资源更新！