热点事件持续更新

Meta与UCSD提出跨平台推荐法PAMO

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

Meta AI与UCSD在论文中提出个人Agent推荐方法PAMO，并发布MediateRec基准，用于评估跨平台历史对推荐结果的影响。论文称，在真实Steam用户测试中，4B参数PAMO Agent的top-10命中率为47.9%，高于平台原有排序的40.8%，且在5个测试集上均超过标准强化学习训练。 PAMO通过反事实方式掩蔽跨平台历史，判断Agent答案是否依赖这些信息，并仅在排序精度不下降时提高相应答案的信用分配，以减少无效历史对个人推荐的干扰。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月1日

00:05
AGI Hunt
Meta AI 与 UCSD 论文提出 PAMO：个人 Agent 借跨平台历史改造推荐，4B 模型命中率 47.9%
Meta AI 与 UCSD 的论文提出 PAMO，让个人 LLM Agent 利用跨平台历史介入并改写平台推荐榜单。论文还发布 MediateRec 基准，以反事实掩蔽历史判断答案对跨平台证据的依赖。在真实 Steam 用户上，4B PAMO Agent 的 top-10 命中率为 47.9%，平台排序为 40.8%，并在全部 5 个测试集上超过标准 RL 训练。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。