两篇新的研究论文介绍了用于生成式推荐系统的新型蒸馏技术。KL-MOPD通过根据token级KL散度对教师模型进行加权来解决协调多个推荐目标中的挑战,理论上优于标准的MOPD并在实验中显示出显著的改进。另一方面,SLIDE通过使用教师模型检索候选项并创建列表级蒸馏目标,将离线搜索与在线列表生成分离,从而使学生模型能够单次生成整个列表,并优于束搜索。 AI
影响 这些新的蒸馏技术可以提高生成式推荐系统的性能和效率,从而带来更个性化和有效的用户体验。
排序理由 两篇在arXiv上发表的学术论文,介绍了生成式推荐系统的新方法。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- Hugging Face
- SLIDE
- Taobao Search
- alphaXiv
- CatalyzeX
- Connected Papers
- CORE Recommender
- DagsHub
- Generative Recommendation
- Gotit.pub
- Influence Flower
- KL-MOPD
- Litmaps
- Multi-Objective On-Policy Distillation
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →