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
- 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