COMPOTE以多假设学习缓解序列推荐头部坍缩

COMPOTE研究团队在arXiv论文中提出一种序列推荐方法，将训练目标由均匀监督逐步退火至“赢家通吃”分配，使多头Transformer分别覆盖不同的合理后续，并采用无需归一化的最大相似度规则进行推理。 论文称，该方法在三个Amazon Reviews 2023基准上仅使用商品ID，便超过多种基于ID的强基线以及生成式、多兴趣基线；其泛化界随假设数量仅呈对数增长。不过，这些效果目前属于论文报告的实验结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。