微软提出 Evo-Rec:用 RL 筛选有效推理链,改进生成式推荐
_reachsumit · x · 2026-09-25
微软团队发布论文 Evo-Rec,研究生成式推荐(Generative Recommendation)中如何学到「有效的」推理。要点:
- 背景:生成式推荐把物品检索重构为序列生成,用 Semantic IDs(离散编码)表示物品;近期工作在生成 Semantic ID 前加入显式推理来总结用户兴趣,但错误或无信息量的推理会误导后续生成、反而拉低推荐效果。
- 三阶段框架:
- 对齐:让 Semantic ID 与文本、行为上下文对齐,使模型能理解和生成物品编码;
- 筛选:采样多条候选推理链,只保留能提升对 ground-truth 物品预测的推理,用 SFT 做更强的推理初始化;
- 强化:用排序感知的 RL 反馈进一步优化推理策略,让模型从自身生成中持续进化。
- 核心问题:如何让推荐系统自己选择并逐步学习更有效的推理轨迹,而不是盲目堆推理。
「研究」频道最新
- MIT 研究:衰老大脑语言网络保持稳健,认知衰退却照常 — DrKavner · 2026-09-26
- Déjà View 入选 NeurIPS Oral：单块循环 Transformer 打平大 10 倍的 3D 重建模型 — ZGojcic · 2026-09-26
- Google 开源 PageBreak 扫描器思路:确定性验证让 XSS 误报近零,已挖出 500+ 漏洞 — moyix · 2026-09-26
- 日本旧书店销量暴涨 5 倍:50 吨旧书被买走送美 AI 扫描后销毁 — stayndarsh · 2026-09-26
- Places Library 发布:100 个面向具身 AI 的高保真真实世界 3D 环境 — yshan2u · 2026-09-26
- AI 文本能藏多少水印信号?开发者手工推导绿名单水印数学极限 — OtherwisePush6424 · 2026-09-26