К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 11 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 11 найденных, риска — весь корпус
Генеративные рекомендации 1Последовательные рекомендации 1Языковые модели и агенты 2Коллаборативные модели 1Оценка и причинность 2Объяснения и контроль 2Промышленные системы 11Кросс-домен и мультимодальность 1Реклама и рекомендации 1
Промышленное ранжирование и стоимостьGoogleЕсть в ZoteroСбросить фильтры

  1. A Framework for Value-Aligned Modeling and Robust Experimentation

    Фреймворк связывает прогноз рекламных конверсий с денежной ценностью через взвешенную цель. Диагностика экспериментального конвейера проверяет согласованность офлайн- и онлайн-решений.

    Google

    #Реклама и рекомендации#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  2. Breaking the Loop: An Empirical Comparison of Strategies for Novelty and Freshness in YouTube Music

    Работа сравнивает вмешательства в обучение и выдачу музыкального ранкера при фиксированном retrieval. Свежесть релизов и новизна потребления оцениваются как разные цели.

    Google

    #Промышленные системы#Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  3. Heterogeneous Ranking in Industrial-Scale Recommender Systems: A Case Study

    HA-MoE подаёт явные признаки типа контента в многозадачные гейты и модуляцию экспертов. Оценка учитывает неоднородность смешанной выдачи.

    Google

    #Промышленные системы

    Публикация конференцииZotero ↗

  4. LLM-Based User Personas for Recommendations at Scale

    Из очищенной и сгруппированной истории строятся освоенные и возможные новые интересы. Асинхронные текстовые персоны ограничивают область поиска для действующего ранкера.

    Google DeepMind, Google +1

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  5. Learned Cross-Task Relationships in Multi-Task Models

    Вспомогательные головы обучаются на комбинациях меток разных задач. Их прогнозы используются для переноса знаний и настройки политики наград.

    Google YouTube, Google

    #Промышленные системы

    Публикация конференцииZotero ↗

  6. Mend the Measurement Gap: Latent User Preference Modeling for Short-Form Video Recommendation

    FLVM отдельно моделирует базовые поведенческие склонности и латентный остаток предпочтений. Несколько сигналов обратной связи связываются через структурированное вероятностное представление.

    Google, Google YouTube

    #Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  7. RecEvolve: A Knowledge-Driven Autonomous Agent System for Recommender Systems

    RecEvolve организует цикл идей, критики, кода и офлайн-проверки специализированными агентами. Версионирование позволяет накапливать принятые изменения и откатывать неудачные.

    Google, Google YouTube

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  8. Soft Curriculum Learning for Optimizing Fresh and Generalized Recommendations

    Soft Curriculum меняет вес каждого примера по трудности и прогрессу обучения. Поток сохраняется полностью, а расписание постепенно меняет вклад сложных событий.

    Google, Google YouTube

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  9. Space Efficient Item Embeddings for Large Recommender Systems

    Гибридная таблица сохраняет отдельные большие векторы популярных объектов и сжимает хвост общими представлениями. Низкоранговое разложение или множественное хеширование позволяют распределять ёмкость неравномерно.

    Boston University, Google

    #Промышленные системы#Коллаборативные модели#Объяснения и контроль

    Публикация конференцииZotero ↗

  10. Tokens are All You Need: Dual-purpose Semantic IDs for Achieving LLM-Level I/O Efficiency in Recommendation Systems (SiDec)

    SiDec использует одни семантические токены как коллаборативные признаки и источник реконструкции контентного вектора. Лёгкий декодер восстанавливает плотную информацию внутри ранкера.

    Google, Google DeepMind

    #Промышленные системы#Генеративные рекомендации

    Публикация конференцииZotero ↗

  11. Lightweight Ranking Heads: Accelerating Multi-Task Experimentation in Production Recommender Systems

    Лёгкие головы подключаются общей конфигурацией к существующим моделям. Stop-gradient и отдельное управление состоянием изолируют новые задачи от основного обучения.

    Google

    #Промышленные системы

    ВоркшопZotero ↗

RecSys2026

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