微软论文:用检索命中给兴趣假设逐条记功,修复生成式推荐信用分配
_reachsumit · x · 2026-09-25
微软团队在 arXiv 发布论文《From Interests to Semantic IDs》,针对推理增强型生成式推荐器的训练瓶颈:
- 问题:现有方法用精确匹配 SID 奖励做 GRPO 训练,在大规模商品目录下奖励过稀疏——全组 rollout 都未命中时零学习信号;同一 SID 奖励下不同推理轨迹获得相同优势,产生信用分配鸿沟。
- 方法:将每条推理轨迹拆为历史摘要、兴趣假设集合与最终 SID,用冻结检索器把每个兴趣假设当作目录查询独立执行验证;任一查询命中 top-K 即给奖励,并按查询命中情况把信用定位到具体假设,实现 span 级信用分配。
「研究」频道最新
- Explosion 发布 Ellf 目录：52 个 NLP 模板与多智能体标注工作流 — _inesmontani · 2026-11-11
- STABLE 优化器入选 NeurIPS 2026,从优化器层面遏制持续学习遗忘 — v_lomonaco · 2026-11-11
- 从 Bahdanau 到 FlashAttention:一图看懂注意力机制八年演进史 — cneuralnetwork · 2026-11-11
- 三年造 CPU、内存与脉冲网络：一位芯片爱好者的加速器之路 — k7agar · 2026-11-11
- 数学家 Strogatz 探问：当 AI 成为「神谕」，数学将走向何方 — stevenstrogatz · 2026-11-11
- 从莱布尼茨行列式到向量空间：线性代数两百年演化一图看懂 — burny_tech · 2026-11-11