研究人员开发了MARS(多阶段代理推荐系统),这是一种新颖的方法,它将个性化扩展到单个预测阶段之外,以协调整个推荐管道。一个经过微调的Qwen3-0.6B模型充当代理,为管道模式、检索配额、模型选择和融合权重生成每个用户的配置。该系统分三个阶段进行训练,包括格式锚定偏好优化(FAPO)和组相对策略优化(GRPO),并在淘宝上进行了测试,日活跃用户超过一千万。A/B测试显示,V2P和GMV等关键指标显著提高,某些场景下的GMV增幅超过7%,同时还降低了服务延迟。 AI
影响 该系统有望在大型电子商务平台上实现更具动态性和个性化的用户体验。
排序理由 介绍新系统(MARS)及其训练方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- ActionMask
- alphaXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Fapou Semebene
- Gotit.pub
- Grpo
- Hugging Face
- Litmaps
- MARS
- Qwen3-0.6B
- ScienceCast
- scite Smart Citations
- Taobao
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →