AGI Hunt· _reachsumit·· 3 小时前AI 评分43
腾讯提出 VerRec:用语言化反馈替代标量奖励优化生成式推荐
腾讯提出 VerRec:用语言化反馈替代标量奖励优化生成式推荐
AI 导读
腾讯团队提出面向生成式推荐的 RL 框架 VerRec,以个性化语言化反馈说明候选 item 与用户偏好的冲突点。框架联合优化用户模拟器与策略模型,并使用 GRPO 训练,模拟器仅在训练时启用、推理时移除。在三个 Amazon 评论数据集和两个生成式推荐骨干上验证,推荐准确率、排序质量及探索多样性均有提升。
来源:AGI Hunt · agihunt.info