Amazon ESCI
PulseAugur coverage of Amazon ESCI — every cluster mentioning Amazon ESCI across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
数据湖实现混合产品搜索，减少目录副本
研究人员开发了一种直接从数据湖表实现混合产品搜索的方法，无需单独复制电子商务目录。该方法利用 Apache Pinot（一种 OLAP 引擎）查询 Apache Parquet 文件上的 Apache Iceberg 等数据湖仓表。该系统集成了 BM25 词汇评分和向量搜索，在更新后以最小的延迟直接从数据湖提供结果，显著降低了存储和运营开销。
-
多语言AI编码器未能跨语言产生一致的语义ID
一项新的研究论文调查了多语言编码器是否能为同一产品在不同语言中生成一致的语义ID（SID）。研究使用了亚马逊ESCI列表中的英语、西班牙语和日语数据，发现翻译后的内容在SID空间中经常相距甚远。即使在平衡的拟合混合下，跨语言前缀一致性也显著下降，这表明仅有跨语言的暴露并不能保证语言一致的SID。
-
RegionFed框架通过梯度级联邦学习增强个性化查询理解
研究人员开发了RegionFed，一个新颖的联邦学习框架，旨在改善异构零售环境中个性化查询的理解。与先前在现代Transformer模型上表现不佳的个性化FL方法不同，RegionFed在梯度级别运行，使其具有架构鲁棒性，并兼容T5和RoBERTa等模型。该框架利用区域和全局梯度之间的冲突来诊断异构性、调整个性化策略并控制个性化强度，从而实现了显著的性能提升和差分隐私。
-
新的Owen-Shapley RL算法改进了LLM在搜索中的信用分配
研究人员推出了一种新颖的强化学习框架Owen-Shapley Policy Optimization (OSPO)，旨在解决用于个性化推荐任务的大型语言模型中的信用分配问题。标准方法难以识别哪些特定token有助于高质量输出，尤其是在从不明确的语言推断用户意图时。OSPO根据token的边际贡献重新分配序列级奖励，在不要求参数化价值模型的情况下进行片段级信用分配。