GMV Innovating Solutions
PulseAugur coverage of GMV Innovating Solutions — every cluster mentioning GMV Innovating Solutions across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的多模态图VAE推动神经影像分析
研究人员开发了一种新颖的多模态生成框架，用于分析结构和功能磁共振成像（MRI）数据。该框架系统地评估了各种编码策略、潜在多模态融合技术和生成模型选择。与其他生成模型变体相比，提出的多模态图VAE（gMMVAE）架构在生成保真度、重建质量、效率和潜在空间可辨别性等指标上表现出优越性能。
-
CanniUplift框架解决电子商务“同类相食”问题，以提高GMV
研究人员开发了CanniUplift，这是一个新框架，旨在解决电子商务增量建模中的挑战，特别是在多卖家环境中。该框架解决了两个主要问题：卖家级别的“同类相食”，即激励措施将支出在不同店铺之间转移，而没有增加平台总收入；以及激励措施级别的“同类相食”，这给增量估算引入了噪声。CanniUplift整合了平台级别全局对齐（Platform-level Global Alignment）来管理跨店铺的替代效应，以及基于兑换的分解去噪（Red…
-
LLM框架AIGP提升电商定价表现
研究人员开发了AIGP，一个使用大型语言模型（LLM）进行电商定价的新框架。该系统旨在通过整合领域知识和非结构化信息，以实现商品交易总额（GMV）和投资回报率（ROI）等长期业务目标，从而克服传统动态定价模型的局限性。AIGP利用一个使用离线强化学习和直接偏好优化（DPO）训练的长期价值估计器（LTVE）来指导定价决策。在陶工厂进行的在线A/B测试表明，AIGP在14天内将GMV提高了13%以上，ROI提高了近8%，里程碑达成率提高了…
-
大语言模型框架AIR将电子商务推荐速度提升400倍
研究人员开发了一个名为AIR（Atomic Intent Reasoning，原子意图推理）的新框架，以应对将大语言模型（LLMs）应用于工业跨域推荐系统的挑战。该框架通过将大语言模型推理迁移到离线阶段，解决了跨域语义鸿沟和用户行为数据嘈杂等问题。这种方法将推理速度提高了约400倍，同时保持了语义一致性。在真实电子商务环境中进行的大规模A/B测试表明，关键业务指标得到了显著改善，包括GMV（商品交易总额）增长了3.446%。