Latent Workspace Ranker

新的潜在工作空间排序器改进了长序列推荐系统

研究人员推出了一种新颖的架构——潜在工作空间排序器（LWR），旨在增强长序列推荐系统。与将证据扩展与推理扩展耦合的现有模型不同，LWR通过在持久库中维护类型化证据和一个固定大小的候选局部工作空间来分离这两者。这使得历史长度和推理深度的独立增长成为可能，从而在各种配置下提高了性能。LWR架构在长历史记录上表现出优越的结果，并且比以前的方法更有效地将额外的训练计算转化为质量提升。