PulseAugur
中
实时 04:27:17
English(EN) Hierarchical Residual Policy Optimization for Generative Recommendations

新的HRPO框架增强了生成式推荐系统

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了分层残差策略优化（HRPO），一个旨在改进生成式推荐系统的新框架。与依赖监督式下一个词预测的传统方法不同，HRPO使用结果反馈来优化下游效用。该系统通过将项目级结果转换为密集、与词对齐的学习信号来解决稀疏信用分配问题。实验，包括在商业系统中的在线A/B测试，证明了会话级效用和关键业务指标的一致性改进。 AI

影响 该框架可能在商业系统中带来更有效和个性化的推荐。

排序理由 该集群包含一篇详细介绍生成式推荐新优化框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的HRPO框架增强了生成式推荐系统

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Xiangyu Zhao ·

    面向生成式推荐的分层残差策略优化

    Generative recommenders select items by autoregressively decoding semantic identifiers (SIDs), whose token positions induce a coarse-to-fine hierarchy over the item space. In practice, SID decoders are trained via supervised next-token prediction, which imitates logged trajectori…

相关话题