网易提出 NDL:用表示一致性主动检测图推荐中的噪声交互
_reachsumit · x · 2026-11-11
arXiv 论文（网易等）提出 Noise-aware Dimension Learning（NDL），用于图协同过滤的主动式维度自适应去噪：
- 问题：隐式反馈含噪声交互（误点、冲动购买），会在用户-物品图上传播污染表示；现有去噪方法依赖训练损失判断可靠性，但损失是被动的——只在校正发生后才检测到噪声，且受训练阶段、负采样和难负例混淆。
- 方法：引入 Representation Coherence Detection（RCD），在嵌入空间衡量交互表示与用户历史偏好质心的一致性，提供独立于损失的主动噪声信号；通过 activity-aware 加权融合两种信号（活跃用户更依赖一致性信号，冷启动用户自动回退到损失），融合估计驱动交互级的维度自适应掩码，限制不可靠交互的有效表示容量，并加轻量对比正则稳定嵌入几何。
- 结果：在三个公开基准上一致优于现有方法。
「研究」频道最新
- 认知科学实验:AI 出点子更快,人类团队的创意仍更胜一筹 — CurieuxExplorer · 2026-11-11
- 上海交大 AutoDNA 无人实验室:AI 智能体自动跑通 DNA 读写全流程 — CurieuxExplorer · 2026-11-11
- PufferLib 单 GPU 每秒训练 6000 万样本，RL 库全开源 — jsuarez · 2026-11-11
- Artificial Analysis 智能指数权重频繁变动,单一基准权重波动达数倍 — HamelHusain · 2026-11-11
- Benchling 发布 BenchBench-Refusals:GPT-6.1 Sol 88.4% 居首,Opus 5.5 无认证仅 40.4% — nlarusstone · 2026-11-11
- 斯坦福 top 2% 榜单：Anthropic 科学家引用量是 OpenAI 两倍多 — NegotiationOk7535 · 2026-11-11