研究人员开发了一种新的诊断方法，用于审计使用Decision Transformer的推荐系统中“返回条件”的有效性。该方法测试了返回到目标（RTG）令牌的变化如何影响预测结果，区分了应用于整个历史上下文的干预措施与仅应用于当前令牌的干预措施。在MovieLens 25M上的实验表明，修改整个上下文显著改变了犯罪预测，而仅改变当前令牌的影响很小。然而，在MyAnimeList 2020上进行的类似测试并未产生可辨别的戏剧响应，这表明奖励控制的有效性可能因数据集和类型而异。 AI
影响 引入了一种新颖的审计技术，用于评估人工智能驱动的推荐系统中的控制机制。
排序理由 研究论文，详细介绍了一种用于推荐系统的新诊断方法。[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 →
