RecPFN:基于合成数据的上下文推荐网络
_reachsumit · x · 2026-08-21
SAP 提出了 RecPFN,一种将上下文学习引入序列推荐的先验拟合网络。RecPFN 完全在从广泛结构因果先验采样的合成点击流环境中进行预训练,使其能够从小支持集中摊销贝叶斯式推断。在推理时,它通过一次前向传播适应新领域,无需任何权重更新。在 8 个公共基准测试中,它在零样本性能上达到 SOTA,并在低计算和低数据环境下与有监督方法竞争。
「研究」频道最新
- ShikharMurty:Pass@k 上升不代表模型学到新东西 — ShikharMurty · 2026-08-21
- 生信工具 FasterFASTA:多线程解压提速明显 — viglovikov · 2026-08-21
- 普林斯顿论文:法律搜索基准不适用现实,发布新数据集 — burkov · 2026-08-21
- MIT 论文证伪:从训练集中删除图像不影响模型生成 — technollama · 2026-08-21
- 新期刊将沿用 GEB 编委会,传统出版商价值受疑 — Afinetheorem · 2026-08-21
- 开源 HarnessEval-W:世界模型的 Agentic 评测新范式 — 青稞AI · 2026-08-21