生成式推荐器强化后训练牺牲召回
热点事件持续更新
生成式推荐器强化后训练牺牲召回
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
一项研究发现,生成式推荐器经SFT后再进行RL后训练,在五个研究数据集上均提升了小K的hit@K,却降低了数百K的hit@K:模型头部排序更强,但候选列表召回更差。 研究团队将原因解释为,RL将采样候选之外的所有item都视为错误答案,从而误罚合理替代项,使其从相似用户候选列表中消失。针对这一问题,研究提出out-of-rollout anchoring,通过增加损失项保留rollout之外item的排序,以兼顾头部收益与召回表现。
AI 根据报道生成 · 3 小时前更新
最新进展11月18日 15:41
生成式推荐器 RL 后训练的隐性代价:排序更强、召回更差报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- AGI Hunt生成式推荐器 RL 后训练的隐性代价:排序更强、召回更差
研究发现,生成式推荐器经 SFT 后再进行 RL 后训练,在全部五个研究数据集上提升了小 K 的 hit@K,却降低了数百 K 的 hit@K。原因是 RL 将采样候选之外的所有 item 视作错误答案,误罚合理替代项,使其从相似用户候选列表中消失。out-of-rollout anchoring 通过增加损失项保留 rollout 之外 item 的排序,可兼顾头部收益与召回表现。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月18日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。