RecPFN 将上下文学习引入推荐系统

研究人员推出 RecPFN，这是一种用于顺序推荐系统中上下文学习的新型网络。该模型在合成数据上进行预训练，使其能够以最少的数据进行贝叶斯风格的推理。然后，一个轻量级的仅解码器 Transformer 在单次传递中生成下一项预测，而无需更新权重。RecPFN 在八个基准测试中展示了最先进的零样本性能，在低计算和低数据场景中优于监督方法，并为可泛化和数据高效的推荐器提供了一种实用的方法。 AI

影响 这项研究为构建推荐系统提供了一种更具泛化性和数据效率的方法。

排序理由 该集群包含一篇详细介绍新模型和方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• Bayes' theorem
• CatalyzeX
• CORE Recommender
• DagsHub
• decoder-only transformer
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• RecPFN
• ScienceCast

• 论文
• 模型发布

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