深度分析 Ghost：以非對稱反似然（AUO）與骨幹式項目編碼（SKT）緩解生成式推薦的流行度偏誤 生成式推薦因以語義索引取代傳統項目 ID，並採用端到端大模型微調而快速崛起；但研究發現此類系統仍深受流行度偏誤影響，熱門項目佔據推薦清單，多數尾部項目被邊緣化。本文從兩個核心面向切入：一為基於最大概似的 token 級優化會導致尾部 token 梯度飢餓；
