Google 论文:因子化潜在价值模型修复短视频推荐的测量偏差
_reachsumit · x · 2026-09-29
Google 提出 Factorized Latent Value Model(FLVM),针对推荐系统中行为反馈的测量偏差问题:同样的观看行为可能源于真实喜欢、被动消费或走神,而短视频场景下观看时长受视频时长等混杂因素强烈影响——同样观看时长对不同长度视频含义不同,比率类指标会系统性偏向短视频,直接优化原始互动会放大测量噪声而非用户价值。
FLVM 将观测行为建模为低维因子化潜在价值状态的带噪测量,用结构化输出头建模异构反馈;一条受限基线通路吸收视频时长、用户倾向、会话上下文等混杂特征的可预测变化,路由潜在通路则估计与偏好相关的价值优势,最终得到可用于排序的潜在价值分数。
「研究」频道最新
- Mobile AI Factory:agent 自动为你的手机造专用小模型,GPU 时间省 19 倍 — pmttyji · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16
- LatamGPT 开源 1.78 亿篇拉美多语言语料登陆 Hugging Face — OmarUFlorez · 2026-11-16
- TotalSegmentator 在常规胸 CT 中量出 42mm 扩张主动脉 — MaziyarPanahi · 2026-11-16
- Tivadar Danka 发布 4000 字图解机器学习所需图论长文 — TivadarDanka · 2026-11-16
- METR 任务时长曲线更新:Opus 4.5 后倍增周期缩至 1.7 个月 — ben_j_todd · 2026-11-16