Kelly Zhang

新的 bandit 算法优化推荐系统以实现长期用户满意度

研究人员开发了一种新颖的方法来优化推荐系统以实现长期用户满意度，解决了延迟奖励的挑战。他们的方法结合了短期代理结果和延迟奖励，并使用贝叶斯滤波器来创建预测模型。该模型随后为 bandit 算法提供信息，该算法旨在快速识别能够带来长期用户参与的内容。在一项大规模播客推荐系统上的 A/B 测试表明，这种方法在仅依赖短期代理或延迟奖励的方法方面表现出色。