RoFiGR 用协同信号监督多模态生成式推荐的粗粒度路由,缓解早期误判
_reachsumit · x · 2026-10-30
arXiv 论文 RoFiGR 针对多模态生成式推荐中语义 ID(SID)逐码生成的风险:早期粗粒度码一旦路由错误,相关物品会在细粒度预测开始前就被排除。方法采用双树推荐器,在 SID 构建与生成都引入协同信息:将累积 L1-L2 码向量与冻结的协同物品嵌入对齐,在序列化历史中显式编码物品距离与来源层级;生成时由序列模型教师监督合法分支,粗层级用固定权重维持路由监督,同时用有界自适应残差按师生需求分配额外权重。在 Instruments、Arts、Games 三个数据集上全部五项排序指标超越外部基线,五种子配对检验(Holm 校正)支持 NDCG@10 主结论。
「研究」频道最新
- AI 让形式化验证翻身:seL4 曾需 20 人年,如今初创公司号称可用 — lemire · 2026-10-30
- NVIDIA 开源语音数据集 Granary-v2 登上 Hugging Face 热榜 — nvidia · 2026-10-30
- 牛津 Holo4D 论文：用 4D 重建做视频扩散模型的几何控制 — Oxford · 2026-10-30
- 范畴论创始人 Eilenberg 的自动机理论名著被重新推荐：前瞻性至今罕见 — abhi9u · 2026-10-30
- 从零学强化学习：作者连载一页纸 RL 基础笔记网站 — East-Muffin-6472 · 2026-10-30
- 「你的 LLM 评测在骗你」:temperature 0 跑 1000 次得 80 种答案 — irombie · 2026-10-30