К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 7 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 7 найденных, риска — весь корпус
Генеративные рекомендации 0Последовательные рекомендации 2Языковые модели и агенты 2Коллаборативные модели 1Оценка и причинность 3Объяснения и контроль 2Промышленные системы 5Кросс-домен и мультимодальность 0Реклама и рекомендации 0
AmazonЕсть в ZoteroСбросить фильтры

  1. RecRec: Latent Interests Recursive Reasoning for Sequential Recommendation

    RecRec сжимает историю в набор латентных интересов. Рекурсивный блок уточняет их при замороженном основном энкодере.

    University of Glasgow, Ohio State University +4

    #Последовательные рекомендации

    Публикация конференцииZotero ↗

  2. TSMOO: Solving Multi-Objective Experimentation with Constrained Thompson Sampling

    TSMOO распределяет экспериментальный трафик ограниченным Thompson sampling. Допустимые варианты сравниваются по uplift основной метрики относительно фиксированного контроля.

    Amazon

    #Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  3. Attacking and Defending Multi-Agent Collaborative Filtering Systems Through Connectivity

    Исследование варьирует связность многоагентной коллаборативной системы. Анализируется распространение нежелательного содержимого через обновляемую память и взаимодействия агентов.

    University of Oxford, Amazon

    #Объяснения и контроль#Языковые модели и агенты#Коллаборативные модели

    Публикация конференцииZotero ↗

  4. DART - Drift Aware Ranking with forecasTing and uncertainty

    DART прогнозирует временное состояние групп предложений. Кэшируемые представления и неопределённость прогноза подаются действующему ранкеру.

    Amazon

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  5. MoR: An Adaptive Retrieval Allocation Balancing Long-Term Interest and Short-Term Evidence

    MoR сочетает долгосрочный прогноз интереса со свежими наблюдениями показов и действий. Полученное состояние распределяет retrieval-бюджет между каналами.

    Amazon

    #Промышленные системы

    Публикация конференцииZotero ↗

  6. Which LLM to Fine-Tune? Agent-Driven Model Selection at Scale

    AgentRec фильтрует модели по ограничениям развёртывания и дешёвым оценкам пригодности. Последующие этапы распределяют бюджет дообучения между разнообразными кандидатами.

    Amazon Search, Amazon

    #Языковые модели и агенты#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  7. Pairwise Ranking Outperforms Single-Action RL for Offline Explanation Selection: A Practical Lesson

    Для каждого запроса заранее создаётся пул объяснений с признаками текста и происхождения. Парный ранкер выбирает вариант и сравнивается с одношаговыми RL-подходами.

    Amazon

    #Объяснения и контроль#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

RecSys2026

Разборы работ RecSys 2026 · обновлено 2026-10-16.