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 3Последовательные рекомендации 2Языковые модели и агенты 0Коллаборативные модели 0Оценка и причинность 4Объяснения и контроль 1Промышленные системы 2Кросс-домен и мультимодальность 0Реклама и рекомендации 0
HSE UniversityЕсть в ZoteroСбросить фильтры

  1. A Redundancy Reduction Approach for Controllable Sequential Recommendations

    Истории с одинаковым целевым товаром образуют положительные пары для декорреляции представлений. Сила вспомогательного лосса управляет геометрией признаков и распределением рекомендаций.

    Yandex, Applied AI Institute +3

    #Объяснения и контроль#Последовательные рекомендации

    Публикация конференцииZotero ↗

  2. Codebook-Based Semantic IDs in Generative Recommendation: Enabling Interface, Emerging Bottleneck

    Работа разбирает конфликты между квантованием, обучением и поиском по семантическим кодам. Аудит базовых моделей проверяет, какие преимущества действительно связаны с интерфейсом SID.

    AXXX (не раскрыто в источнике), AI Center +1

    #Генеративные рекомендации#Оценка и причинность

    Публикация конференцииZotero ↗

  3. CoSID: Concept-Conditioned Semantic-ID Decoding for Efficient Generative Recommendation

    CoSID однократно сжимает историю в пользовательский концепт. Лёгкий дистиллированный декодер ведёт поиск по SID без повторного обращения к тяжёлому backbone.

    AXXX (не раскрыто в источнике), AI Center +2

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  4. Don't Waste the Last Token: A Quantizer-Agnostic Quality Boost from Semantic ID Collision Resolution

    Работа сравнивает способы назначения последнего токена для разрешения SID-коллизий. Токенизатор, генератор и длина кода удерживаются фиксированными.

    Sber AI Lab, AI Center +1

    #Генеративные рекомендации

    Публикация конференцииZotero ↗

  5. More Test Users, More Overconfidence: Seed Variance in Sequential Recommender Tests

    Разность метрик раскладывается на пользовательские и сидовые случайные эффекты. Анализ сравнивает неопределённость отдельных checkpoint с неопределённостью процедуры обучения.

    AXXX (не раскрыто в источнике), AI Center +2

    #Оценка и причинность#Последовательные рекомендации

    Публикация конференцииZotero ↗

  6. Your 5-Core Train Split May Not Be 5-Core: Core Filtering and Temporal Splitting Do Not Commute

    Работа меняет порядок core-фильтрации и временного разбиения при общей границе времени. Сравниваются полученные популяции, допустимые объекты и выводы о моделях.

    AXXX (не раскрыто в источнике), AI Center +1

    #Оценка и причинность

    Публикация конференцииZotero ↗

  7. Scikit-Rank: Scikit-learn-Compatible Neural Ranking Models for Tabular Recommender Systems

    Scikit-Rank соединяет нейронный табличный ранкер с интерфейсом scikit-learn и настраиваемыми энкодерами. Компонентные сравнения отделяют числовое кодирование, хеширование категорий и обучающие потери.

    T-Tech, HSE University

    #Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

RecSys2026

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