Meta 部署 CLEAR 推荐系统:用可编辑的自然语言兴趣层替代黑盒
_reachsumit · x · 2026-11-18
Meta 发布并在生产环境部署了 CLEAR(Controllable and Legible End-to-end Architecture for Recommendation),一种以可编辑自然语言兴趣层为核心的端到端推荐系统(论文 2611.19110,54 位作者)。核心设计:
- 可读可改:将推断出的用户兴趣子集以自然语言展示,用户可添加或屏蔽兴趣,这些操作成为权威偏好状态,贯穿检索、排序和投放全流程。
- 行为溯源:每个推断兴趣都可回溯到用户历史中的具体行为事件。
- 兴趣即服务入口:兴趣标签及其条件化改写驱动词法检索,支持事件用于行为检索,投影用于向量检索。
传统推荐系统把学到的偏好藏在用户无法查看或修改的表示中,CLEAR 的思路是让偏好变得透明且可干预。
「研究」频道最新
- 土耳其数学家借 AI 证明黎曼假设?被嘲「有机土耳其人」 — CatAstro_Piyush · 2026-11-22
- Burkov 推出《百页语言模型书》:PyTorch 手把手从零构建 LLM — burkov · 2026-11-22
- 生成式 AI 进心脏病学:Dagstuhl 跨学科研讨会落幕 — StephanMandt · 2026-11-22
- SubRoformer 用 DSP 子带滤波器刷新音乐源分离 SOTA — affige_yang · 2026-11-22
- Emily Riehl 推出 Lean 证明入门游戏,用交互方式教依赖类型论 — abhi9u · 2026-11-22
- Android 移动 Agent 评测论文清单:从 AppAgent 到 AndroidReality — East-Muffin-6472 · 2026-11-22