研究人员开发了一种使用语言模型评估电子商务搜索中页面级布局决策的方法,无需昂贵的A/B测试。该研究发表在arXiv上,发现基于表示的语言模型方法比基于提示的方法在预测用户对次级产品分组的参与度方面更有效。该技术旨在为优化电子商务搜索页面布局提供可靠的基础。 AI
影响 通过减少对昂贵用户测试的依赖,能够更有效地优化电子商务搜索界面。
排序理由 该集群包含一篇发表在arXiv上的研究论文,详细介绍了一种评估AI模型的新方法。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- A/B testing
- alphaXiv
- arXiv
- CORE Recommender
- e-commerce
- Hugging Face
- IArxiv Recommender
- Language Models
- prompt-based judging
- recommender system
- representation-based approaches
- user engagement
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →