SwapRec：通过训练时交换解决冷启动问题
_reachsumit · x · 2026-09-02
针对工业界在推理时用相似热项替换冷项（Swap）的启发式方法会导致序列推荐模型不鲁棒的问题，论文提出 SwapRec。该方法在训练时就应用与推理相同的交换启发式策略，使模型能适应冷项交互。实验表明，SwapRec 易于实现，且在电商、电影、音乐三个领域的实验中，显著提升了存在冷项交互时的推荐准确性，同时增加了推荐列表中冷项的比例。
「研究」频道最新
- 25 位菲尔兹奖得主发宣言,7400 名研究者声援反对 AI 刷数学题 — AryHHAry · 2026-09-21
- DeepMind 研究员长文:AI 时代数学研究的意义与人类数学家角色 — AndrewLampinen · 2026-09-21
- Typesafe 新模型 Jev 遇上图模型:不确定性推理的范式转变? — fdellaert · 2026-09-21
- LLM 时代灌水论文泛滥,arXiv 插旗文化积弊十年再引热议 — RexDouglass · 2026-09-21
- Meta 研究员提议:允许审稿人给「浪费所有人时间」打分 — burny_tech · 2026-09-21
- 从 Jev 悖论到苦涩的教训：不同规模的模型各有用武之地？ — amankhan · 2026-09-21