腾讯提出 VerRec:用语言化反馈替代标量奖励优化生成式推荐
_reachsumit · x · 2026-11-18
腾讯团队发布论文,提出面向生成式推荐的 RL 框架 VerRec,解决传统标量奖励无法说明候选 item 与用户偏好冲突点的问题。
- 引入用户模拟器,对每个候选推荐生成个性化的语言化(quiralty verbalized)反馈,策略模型据此生成精炼后的推荐
- 原始与精炼候选组成扩展组,用 group relative policy optimization(GRPO)联合优化
- 用户模拟器仅在训练时需要,推理时移除
- 在三个 Amazon 评论数据集、两个生成式推荐骨干上验证,推荐准确率与排序质量均有提升,且语言化引导促进更多样的探索
「研究」频道最新
- TCS 学界发布声明:招聘重质量轻数量,抵制 AI 论文军备竞赛 — fortnow · 2026-11-18
- 论文提出语言创造性的社会文化视角:从社区实践看创意生成 — abenitezburraco · 2026-11-18
- 无需训练或梯度:27B 模型可自行改写权重提升 unseen 任务 — udmrzn · 2026-11-18
- 开源 EDA 工具十年逆袭:从「不可能」到设计出蓝牙信标芯片 — IgorCarron · 2026-11-18
- AURA 2.0 发布:流式视频模型学会主动开口说话并调用工具 — Shuhan Li · 2026-11-18
- Orabona 撰文驳 AdaGrad 预条件化解释:全矩阵界限常不如标量学习率 — bremen79 · 2026-11-18