研究人员推出了一种新颖的分布外(OOD)推荐系统方法 GenCAR,旨在平衡效用和风险。该方法将 OOD 服务构建为 $\alpha$-有效反事实推荐($\alpha$-VCR)问题,从而能够控制代理标签的错误发现率(FDR)。GenCAR 将偏好驱动的反事实监督与校准集选择相结合,通过偏好锚点和信任半径过滤来锚定大型语言模型建议,并利用共形 p 值进行 Benjamini--Hochberg 选择。 AI
影响 这项研究有望提高推荐系统在处理新数据或未见过的数据分布时的可靠性和准确性。
排序理由 该集群描述了一篇发表在 arXiv 上的新研究论文,详细介绍了一种推荐系统的新颖方法。
- arXiv
- Benjamini--Hochberg
- Benjamini--Yekutieli
- CatalyzeX
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
- alphaXiv
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →