09:36
官方账号arXiv cs.LG@Gengyu Zhan
推荐理由：这篇论文提出CALMRec框架，通过分离记忆和因果校正解决推荐系统的反馈循环，在三个场景提升长期价值6-7%，做推荐系统的值得看看。
CALMRec
共 1 条相关 AI 资讯
7月28日
09:36
CALMRec使用冻结多模态语言模型将用户物品内容和反馈转换为证据基础语义原子，并维护短期、长期和暴露三种记忆。通过倾向性加权更新减少策略引起的暴露偏差，保守离线批评者重新排序候选以优化延迟满足。在电商类、新闻类和短视频类三个环境中，CALMRec相比最强基线将折扣长期价值分别提升6.1%、7.6%和6.7%。二十种子消融实验显示，缺失倾向性校正或保守支持正则化后价值显著下降（0.739±0.191和0.523±0.234）。冻结指令语言模型在语义原子NDCG上比TF-IDF提升超过一倍。