arXiv 综述：推荐系统离线评估的数据处理实践混乱不一
_reachsumit · x · 2026-09-29
arXiv 论文（2609.31696）由 Alberto Mancino 等 8 位作者系统综述了推荐系统离线评估中的数据处理环节。
- 覆盖从数据集选择、交互表示、数据准备、多模态特征提取到训练/验证/测试划分的完整数据中心流水线。
- 横跨协同过滤、序列、会话、图、知识感知、上下文感知、多模态、联邦、跨域、对比学习与 LLM 推荐等多种范式。
- 核心发现：训练前的数据处理决策虽决定算法可得信息、影响实验可比性与可复现性，但长期缺乏审视，现有实践高度不一致。
- 提出了统一框架与分类法，区分数据准备与多模态表征提取策略。
「研究」频道最新
- 机器人评测平台 Manifold 开放早期访问，30 分钟跑千次 GPU 并行 rollout — paigeinsf · 2026-09-30
- 千个 AI 智能体 24 小时自动发现病毒中类 CRISPR 新基因系统 — CurieuxExplorer · 2026-09-30
- 470万条解释实验:只审计5%的token位置即可发现prompt注入威胁 — aisilab · 2026-09-30
- 南洋理工 PerF:像素空间扩散DiT按特征分层精炼,FID低至1.63 — NanyangTechnologicalUniversity · 2026-09-30
- IBM提出Q&D训练法:智能体主动追问所需信息,胜过15倍大模型 — ibm · 2026-09-30
- 研究者预测：AI 将速通数学猜想，转向材料与药物发现 — tak3sh8 · 2026-09-30