实体
OneRec
OneRec
PulseAugur coverage of OneRec — every cluster mentioning OneRec across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新方法通过改进的训练和性能增强生成推荐系统 · 跟踪4个来源
研究人员开发了新的方法来改进生成推荐系统，该系统将项目表示为语义ID并通过自回归生成它们。一种方法HASTE结合了分层和属性级别的监督，以加速训练并提高不太常见项目的性能。另一种方法TacGR（UniSGR-V2）通过在解码器中预测和交叉目标项特征来解决“目标侧特征真空”问题，从而在转化率和商品总价值等关键指标上取得显著改进。
-
新研究通过新颖的训练方法解决生成式推荐的准确性问题
研究人员为生成式推荐系统开发了新的训练策略，以提高排名准确性。其中一种方法在提交给arXiv的一篇论文中详细介绍，重点关注在处理训练数据中的遗漏目标时，将监督与概率竞争分离开来。使用OneRec和Amazon生成器进行的实验表明，消除这种竞争可以显著改善排名指标。另一篇论文介绍了一种用于指令引导的LLM推荐器的非对称干预引导边距监督（AIMS），旨在通过关注边距改进而非绝对分数，更好地平衡当前请求与历史用户偏好。
-
OneReason 框架提升生成推荐模型推理能力
研究人员推出 OneReason，一个旨在增强生成推荐模型推理能力的新框架。现有的模型，如 OneRec 系列，由于难以创建有意义的仅包含物品的“思维链”（Chain-of-Thought）序列，因此在激活推理方面存在困难。OneReason 通过关注两个关键因素来解决这个问题：感知（perception），将物品标记（item tokens）与其语义含义联系起来；以及认知（cognition），将用户行为重组为兴趣点。该框架结合了改…