EPIC 给扩散推荐引入物品级竞争机制，四个亚马逊基准全面超越基线
_reachsumit · x · 2026-09-04
arXiv 论文 EPIC 提出显式后验物品条件化方法，为 Semantic ID（SID）掩码扩散推荐引入物品级竞争。
- 问题：每个去噪步骤中，部分 SID 可能对应多个可行物品，而现有方法主要依赖逐位置 token 预测
- 方法：结合当前生成上下文与用户近期交互，构建可行候选物品的个性化后验分布，再投影回未确定的 SID 位置以引导后续 token 决策
- 预训练骨干保持冻结，无需额外 decoder 前向计算
- 在四个 Amazon 基准上稳定超越强基线；诊断分析表明增益主要来自保留有前景物品假设的个性化转移证据
「研究」频道最新
- PTB 数据月下载 8.3 万次,作者警告 RL 智能体正在泄漏集上作弊 — maksym_andr · 2026-09-20
- Schmidhuber 考古:1971 年 Ivakhnenko 已用 8 层网络建模经济 — SchmidhuberAI · 2026-09-20
- Qwen 研究员:人工标注数据可能比自动标注更噪 — antoine_chaffin · 2026-09-20
- 检索评测数据集隐患多，用 LLM 重标注旧数据成解法 — CShorten30 · 2026-09-20
- 北航团队提出 PhyFilter:仿真平地训练的机器人直接征服碎石路 — jiqizhixin · 2026-09-20
- ICLR 收稿暴涨 200% 至 6 万篇摘要,审阅需约 250 人年 — gleech · 2026-09-20