К содержанию
Олег НагорныйRecSys2026

Каталог

Найдено: 269 из 269 · теги в строках тоже фильтруют

Только в Zotero 269
Темы в текущей выборке · полоса — работы с тегом из 269 найденных, риска — весь корпус
Генеративные рекомендации 37Последовательные рекомендации 61Языковые модели и агенты 82Коллаборативные модели 50Оценка и причинность 86Объяснения и контроль 75Промышленные системы 133Кросс-домен и мультимодальность 73Реклама и рекомендации 18
Есть в ZoteroСбросить фильтры

  1. A Control Function Framework for Mitigating Position Bias in Learning to Rank Systems

    Контрольные функции строятся из остатка модели прошлой позиции и его взаимодействий с признаками. При обучении они корректируют ранкер, а при выдаче обнуляются.

    University of Illinois Chicago, California Polytechnic State University

    #Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  2. 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 ↗

  3. Adaptive Retraining of Recommender Systems via Reinforcement Learning

    Контроллер обучения с подкреплением выбирает пропуск, дообучение либо переобучение на части или всей истории. Состояние включает качество, возраст модели и оставшееся число разрешённых обновлений.

    University of Bergamo, Northwestern University +1

    #Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  4. Addressing Cross-Stage Decoupling of Semantic and Collaborative Signals in Generative Recommendation

    Токенизатор получает текстовые описания коллаборативных соседей товара. Связь семантических и поведенческих сигналов поддерживается между стадиями генеративной рекомендации.

    Kuaishou Technology

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  5. Automated Selection-based Mixture-of-Experts with Dual-stage Input–Target Pattern Learning for Sequential Recommendation

    Общий набор экспертов дополняется экспертами, выбираемыми отдельно для каждой истории. Бинарный гейт и последующее обучение связей входа с целью адаптируют вычисления к примеру.

    Shenzhen University, Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  6. Beyond Fixed Depths and Widths: Optimizing Textual Decoding Tries in LLM-based Generative Recommendation (BONSAI)

    BONSAI совместно строит текстовые идентификаторы и дерево допустимого декодирования. Переменная глубина и ограниченное ветвление облегчают поиск кандидатов.

    Michigan State University, Snap

    #Генеративные рекомендации#Языковые модели и агенты

    Публикация конференцииZotero ↗

  7. BiLPR: Bidirectional Teacher-Student Agent Interaction for Context-Aware Learning Path Recommendation

    Агент ученика хранит профиль, память и оценку знаний, а агент преподавателя выбирает учебные задания. Неожиданные ответы запускают пересмотр состояния и сложности следующего шага.

    Army Engineering University of PLA, University of Science and Technology of China

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  8. Bilateral Intent-Enhanced Sequential Recommendation with Embedding Perturbation-Based Contrastive Learning

    Граф совместных встречаемостей задаёт структурные представления товаров. Прототипы намерений и контрастивные возмущения соединяют этот общий сигнал с персональной историей.

    Xi’an Jiaotong University

    #Последовательные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  9. Bridge the Unseen Gap: Enhancing Non-overlapping Cross-domain CTR Prediction via Profile Retrieval

    Языковая модель строит переносимые профили пользователей и товаров. По похожим профилям извлекаются только реально наблюдавшиеся взаимодействия исходного домена для обучения целевой модели.

    Shenzhen Technology University, Ant International +1

    #Реклама и рекомендации#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  10. CONGA: Continual Neural Gated Architecture for Long-History Sequential Recommendation

    CONGA сочетает относительное позиционное кодирование и параллельные остаточные потоки для длинной истории. Дополнительная память меняет оценки при сохранённом базовом энкодере.

    University of Science, Vietnam National University

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  11. Calibrating User Preferences for Cross-Domain Recommendation via Target-Guided Representation Mapping

    DCDR выбирает уверенные исходные представления по малой обучающей ошибке. Отображение из целевого домена помогает калибровать исходный сигнал перед переносом.

    University of Technology Sydney

    #Кросс-домен и мультимодальность#Коллаборативные модели

    Публикация конференцииZotero ↗

  12. Coarse-to-Fine Long-term Interest Modeling for Generative Recommendation

    Длинная история агрегируется на грубом уровне семантических кодов. При генерации детальных кодов используется более адресная информация об интересах.

    Tsinghua University, Beijing University of Posts and Telecommunications +1

    #Генеративные рекомендации#Последовательные рекомендации

    Публикация конференцииZotero ↗

  13. Consensus vs. Dissent: Dynamic LLM Modeling of Subjective Preferences in Group Recommenders

    Языковую модель обучают воспроизводить человеческие оценки групповых решений с объяснениями учителя. Она выбирает среди интерпретируемых правил агрегации предпочтений.

    Maastricht University

    #Кросс-домен и мультимодальность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  14. Dart: Adaptive Tweedie Objective Mitigates the σ Escape Route in Cross-Platform Popularity Prediction

    Dart заменяет предсказываемую дисперсию на Tweedie deviance с обучаемой степенью. Контекст извлекается по текстовой и структурной близости для прогноза популярности.

    NTT DOCOMO. INC.

    #Кросс-домен и мультимодальность#Промышленные системы

    Публикация конференцииZotero ↗

  15. DP-Rec: Towards Dynamic Patching for Efficient Long-Sequence Recommendation

    Замороженный причинный детектор оценивает сложность переходов и выделяет границы патчей. Сжатая история затем обрабатывается глобальной последовательной моделью.

    Capital One

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  16. DPGFlow: Decoupled Preference Guided Flow Matching for Cross Domain Sequential Recommendation

    Междоменный энкодер разделяет общие и специфичные предпочтения. Flow matching ведёт общее представление к целевому товару под управлением доменного сигнала.

    University of New South Wales, Macquarie University +2

    #Генеративные рекомендации#Кросс-домен и мультимодальность#Последовательные рекомендации

    Публикация конференцииZotero ↗

  17. DPGR: Dual-Domain Spatiotemporal Generative Retrieval for Intent-Aware Local Life Service Recommendation

    DPGR объединяет контентные и географические события в контекстную историю. Генератор предсказывает намерения, под которые формируются отдельные retrieval-запросы.

    Meituan

    #Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  18. Decoupled Learning and Selection in Slate Recommendation for Privacy and Stability Under Noisy Scores

    Обучение оценок отделено от детерминированной сборки рекомендательного списка. Селектор комбинирует релевантность, разнообразие и новизну и сохраняет данные для воспроизведения выдачи.

    University of Bergen

    #Объяснения и контроль#Промышленные системы

    Публикация конференцииZotero ↗

  19. Do We Care About Personalization and Explainability? An Interview Study with News Recommendation Engineers

    Полуструктурированные интервью исследуют практики персонализации и объяснимости в новостных командах. Тематическое кодирование связывает технические затруднения с коммуникацией внутри организаций.

    University of Amsterdam, Jheronimus Academy of Data Science +2

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

    Публикация конференцииZotero ↗

  20. Do We Really Need LLMs to Augment All? A Selective Augmentation Framework with Lightweight Language Models for Multimodal CTR Prediction

    SALM оценивает сложность товара по доступным признакам и предсказаниям вне обучающей подвыборки. Маршрутизатор выделяет бюджет языковой аугментации по ожидаемой пользе для CTR.

    Wuhan University of Technology, Anhui University

    #Реклама и рекомендации#Промышленные системы#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  21. Empowering Cross-Domain Sequential Recommendation with Hybrid Tokenization and Serial-Parallel Decoding

    Общие и доменно-специфичные кодбуки задают иерархические идентификаторы товаров. Общие коды декодируются последовательно, а детальные доменные коды параллельно.

    City University of Hong Kong, ByteDance

    #Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  22. Residual Dominance as a Structural Account of Last-Item Reliance in Causal Self-Attention Recommenders

    Перестановки истории и диагностика повторной рекомендации измеряют опору модели на последний товар. Анализ остаточных путей связывает этот эффект с устройством причинного self-attention.

    Hokkaido University

    #Последовательные рекомендации#Оценка и причинность

    Публикация конференцииZotero ↗

  23. FASC: A Feature Aspect-Level Sentiment Consistency Framework for Explainable Recommendation Evaluation

    FASC извлекает из отзывов аспекты и их тональность с согласованием языковых моделей. Объяснение оценивается по совпадению аспектов и полярности со структурированной разметкой.

    Central China Normal University

    #Оценка и причинность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  24. FiCoRec: Fine-Grained Contrastive Learning with Dual Aggregation for Sequential Recommendation

    FiCoRec кодирует историю моделью пространства состояний и агрегирует локальные и общие признаки. Контрастивное обучение строит положительные пары на уровне представлений.

    Anhui University

    #Последовательные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  25. From Constraint to Control: Modeling Expected Fairness in Ranking Systems

    Мягкое ранжирование позволяет оптимизировать экспозиционную справедливость с пороговым штрафом. Калибровочная зависимость связывает управляющий параметр с ожидаемым измеримым результатом.

    Laboratoire Hubert Curien, Konduco

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  26. GSPRec: On Improving Item Representations in Graph Signal Processing for Collaborative Filtering

    GSPRec строит симметричный граф близости товаров из соседних переходов историй. Диффузия и спектральная фильтрация используют этот граф для коллаборативного скоринга.

    University of California San Diego

    #Коллаборативные модели#Последовательные рекомендации

    Публикация конференцииZotero ↗

  27. GTP: Mitigating Popularity Bias in PLM-based Sequential Recommendation via Group-Aware Token Pruning

    GTP группирует текстовые токены по их связи с популярными и хвостовыми товарами. Обучаемое прореживание удаляет часть лексического сигнала до языкового кодирования истории.

    Shenzhen University, Shenzhen Technology University

    #Объяснения и контроль#Последовательные рекомендации#Языковые модели и агенты

    Публикация конференцииZotero ↗

  28. GateBoxGCN: Hard-Soft Gated Box Embeddings with Graph Convolution for Recommendation

    GateBoxGCN распространяет по графу центры и размеры боксов разными правилами. Жёсткие и мягкие гейты ограничивают вклад координат при сопоставлении пользователя с товаром.

    ZOZO Research, Waseda University +1

    #Коллаборативные модели

    Публикация конференцииZotero ↗

  29. Generalized Position-Based Model: Rethinking Position Weights in Ranking Off-Policy Evaluation

    GPBM заменяет жёсткие окна позиций непрерывной матрицей весов. Взвешивание сохраняет структуру importance sampling для оценки новой политики по старым логам.

    Radboud University, Amazon Music

    #Оценка и причинность

    Публикация конференцииZotero ↗

  30. Generating Personalized Images for Sparse-Interaction Users with Uncertainty-Aware Retrieval and Dense Knowledge Guidance

    UDSIG подбирает визуальные референсы по семантической близости и предпочтениям пользователя. Генератор изображений обучается с подсказками учителя, располагающего более полной историей.

    Hong Kong University of Science and Technology (Guangzhou), The 63rd Research Institute +5

    #Кросс-домен и мультимодальность#Генеративные рекомендации

    Публикация конференцииZotero ↗

  31. Give the Long-tail More SPACE: Promoting Provider Fairness in Next POI Recommendation

    SPACE генерирует виртуальные взаимодействия с хвостовыми географическими объектами. Условная генерация учитывает сообщества предпочтений и приближения физических ограничений.

    Southeast University, Hong Kong Baptist University

    #Объяснения и контроль#Кросс-домен и мультимодальность#Генеративные рекомендации

    Публикация конференцииZotero ↗

  32. Hamiltonian Spectral-Temporal Dissipative Dynamics for Sequential Recommendation

    HSR моделирует интерес как диссипативную гамильтонову динамику. Линейное уравнение решается спектральным фильтром с обучаемым затуханием.

    The Hong Kong University of Science and Technology

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  33. CoFiRec: Coarse-to-Fine Tokenization for Generative Recommendation

    CoFiRec квантует атрибуты товара по явно заданной иерархии. Коллаборативный код завершает последовательную генерацию семантических уровней.

    University of Illinois Urbana-Champaign, Meta Platforms, Inc. +1

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  34. Improving Rare Medication Recommendation with Counterfactual Data Augmentation and Large Language Models

    GenRxR синтезирует гипотетические медицинские записи для редких назначений. Эти записи используются для инструкционной адаптации и обучения рекомендательной языковой модели.

    KAIST, Korea University

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  35. Information-Aware Long Sequence Compression for Sequential Recommendation

    Гейт выбирает важные события и восстанавливает их хронологический порядок. Сводка полной истории сохраняет обучающий сигнал от отброшенных событий.

    Gyeongsang National University

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  36. Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces

    Наблюдаемые веб-действия превращаются в описания ситуации и конкурирующие гипотезы предпочтений. Агрегатор собирает эпизодический профиль с оценками уверенности.

    JPMorganChase

    #Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  37. Learning Sparse Representations of Multimodal Content for Enhanced Cold Item Recommendation

    Контентные автоэнкодеры обучают широкие разреженные мультимодальные представления. Активация перед top-k отбором подавляет шумные сходства товаров.

    Queen Mary University of London

    #Кросс-домен и мультимодальность#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  38. MODE: Mutual Optimality in Direct Effects of Reciprocal Recommendations in Matching Markets

    MODE моделирует взаимный интерес и ограниченное внимание сторон рынка. Списки оптимизируются по прямому эффекту для участника при фиксированных действиях остальных.

    CyberAgent

    #Кросс-домен и мультимодальность#Объяснения и контроль

    Публикация конференцииZotero ↗

  39. MaskPoison: Intent-Guided Poisoning Attacks on Sequential Recommendation via Masked Discrete Diffusion

    MaskPoison исследует отравление историй через условную маскированную диффузию. Двусторонний контекст делает синтетические последовательности поведенчески согласованными.

    Shanghai University of Finance and Economics, Fudan University +1

    #Объяснения и контроль#Генеративные рекомендации#Последовательные рекомендации

    Публикация конференцииZotero ↗

  40. Membership Inference Attacks on In-Context Learning Recommendation

    Исследование измеряет статистический след демонстраций в рекомендациях in-context модели. Сравниваются совпадения выдачи и её устойчивость к изменению истории.

    University of Maryland, Baltimore County, McMaster University +1

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  41. Not All Branches Are Equal: Adaptive Semantic ID Construction for Generative Recommendation

    Адаптивное дерево строит семантические идентификаторы иерархической кластеризацией. Ветвление подбирается с учётом локальной структуры эмбеддингов.

    Ben-Gurion University of the Negev

    #Генеративные рекомендации

    Публикация конференцииZotero ↗

  42. On Reranking Space for Multi-Tenant Retrieval with Adapted Queries

    Адаптер переводит запрос клиентского энкодера в пространство общего индекса. Кандидаты сравниваются в исходном или обратно восстановленном клиентском пространстве.

    Rochester Institute of Technology

    #Промышленные системы#Коллаборативные модели

    Публикация конференцииZotero ↗

  43. On the Convergent Validity of Offline Evaluation Designs for Recommender Systems

    Работа сопоставляет ранги моделей на разреженной офлайн-оценке и плотной референсной разметке. Разные дизайны оценки проверяются на согласованность модельных выводов.

    Drexel University

    #Оценка и причинность

    Публикация конференцииZotero ↗

  44. Probabilistic Residual Learning for Online Recommendations

    Вероятностная модель обучается предсказывать остаток ошибки замороженного рекомендателя. Контентные априоры и пользовательские кластеры задают структуру поправки.

    Rutgers University, Meta Platforms, Inc. +2

    #Промышленные системы#Коллаборативные модели#Оценка и причинность

    Публикация конференцииZotero ↗

  45. Purifying Interaction Sequences: Topology-Aware Spectral Denoising for Side-Information Integrated Sequential Recommendation

    История представляется графом позиций и обрабатывается спектральным фильтром. Боковая информация объединяется с очищенными последовательными признаками.

    Hunan University

    #Последовательные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  46. 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 ↗

  47. Reducing Perceived Polarization through Affect-Balanced News Reframing

    Работа анализирует эмоциональное согласование заголовков и подзаголовков новостей. Затем изменение оформления проверяется в пользовательском эксперименте.

    University of Bergen, University of Amsterdam +1

    #Объяснения и контроль#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  48. SAGE: Sequence-level Adaptive Gradient Evolution for Generative Recommendation

    SAGE адаптирует отсечение градиента при обучении генератора рекомендательных списков. Управление учитывает контекст и награды уровня последовательности.

    Xiaohongshu

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  49. SPEAR: Selection-aware Personalized End-to-end Adaptive Rewriting and Retrieval for Community Search

    SPEAR обучает веса заранее подготовленных переформулировок запроса. Раздельные retrieval- и ranking-проекции ограничивают конфликт семантической близости с кликовой целью.

    National University of Singapore, Shanghai Dewu Information Group Co., Ltd.

    #Промышленные системы#Языковые модели и агенты

    Публикация конференцииZotero ↗

  50. Safety-Aware Next-POI Recommendation with Large Language Models

    Для переходов между местами оценивается риск по предшествующим происшествиям вдоль маршрута. Этот сигнал включается в языковую рекомендацию следующей точки.

    University of Haifa, University of Cagliari

    #Кросс-домен и мультимодальность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  51. Simulating Diverse User Behavioral Stereotypes for Evaluating Agentic Conversational Recommenders

    Симулятор варьирует способ раскрытия предпочтений при фиксированной целевой рекомендации. Синтетические диалоги учителя используются для обучения управляемого пользовательского агента.

    University of Bari Aldo Moro, University of Pisa

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  52. Stabilizing Stability and Plasticity in Graph-based Continual Recommender System

    SSPRec сочетает обновляемый текстовый профиль, временные веса графа и обучение по опорной модели текущего периода. Дрейф предпочтений пользователя определяет баланс сохранения истории и адаптации.

    Jilin University, The Hong Kong Polytechnic University +1

    #Коллаборативные модели#Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  53. TAGRec: Tailness-Aware Gate for Sequential Recommendation under Long-Tailed Distributions

    TAGRec объединяет текстовое и коллаборативное представления через обучаемый гейт. Гейт получает вычисленный по обучающей истории сигнал принадлежности к хвосту.

    Guilin University of Electronic Technology, Guangxi Zhuang Autonomous Region Information Center

    #Последовательные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  54. TRACE: Targeted Ranking-Aware Counterfactual Explanation for Sequential Recommendation

    TRACE ищет изменения истории, которые вводят целевой товар в выдачу или удаляют лидера. Поиск сначала ограничивается влиятельными позициями и подходящими кандидатами.

    Gyeongsang National University

    #Объяснения и контроль#Последовательные рекомендации

    Публикация конференцииZotero ↗

  55. 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 ↗

  56. The Cost of Continuous Time: Diagnosing Solver Sensitivity in Recommenders and Mitigating It via Training-Free Routing

    Работа сравнивает численные решатели непрерывновременного рекомендателя. Обучение не меняется, а маршрутизатор выбирает способ обновления по временным промежуткам.

    Sun Yat-Sen University

    #Последовательные рекомендации#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  57. The Utility of LLMs in Recommender Systems Explanation Evaluation

    Объяснения одной графовой рекомендации генерируются с разным составом промпта. Оценки языковых судей сопоставляются с человеческими суждениями.

    University of Zurich, Dublin City University

    #Оценка и причинность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  58. There’s Something About You: Epistemic Recommendation for Latent Interest Discovery

    EGRec измеряет сдвиг прогнозов замороженной модели после гипотетической реакции на кандидата. Дополнительная сеть приближает дорогой сигнал для смешивания скоров или использования контекстным бандитом.

    The Walt Disney Company

    #Объяснения и контроль#Последовательные рекомендации#Оценка и причинность

    Публикация конференцииZotero ↗

  59. Topology-Aware Tokenization for Generative Recommendation

    TopoTok дистиллирует соседство исходных представлений в уровни квантования. Разные лоссы сохраняют межгрупповую, внутригрупповую и товарную структуру.

    University of Illinois Urbana-Champaign

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  60. Towards welfare-oriented recommendations in activity-travel behavior

    Полезность активности уменьшается на персональную стоимость поездки. Правила допуска рекомендации ограничивают риск отрицательного результата и альтернативную стоимость.

    University of Houston, New York University

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  61. UniRec: A Unified Expressive-Aligned Generative Recommendation Framework for E-commerce

    UniRec генерирует цепочку атрибутов перед семантическим идентификатором. Балансировка кодов и контекст сценария дополняют декодирование.

    Shopee

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  62. When Do Contrastive Explanations Really Matter in Recommender Systems?

    Пользовательское исследование сравнивает обычное обоснование с предложением альтернатив и ответом о конкретном исключённом объекте. Вручную написанные сценарии разделяют воспринимаемую необходимость, понятность и намерение выбора.

    Graz University of Technology, University of Oulu

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  63. When attention is bounded, structure matters: personalizing recommendation explanations under time constraints

    Предложения объяснения сортируются по явно указанным приоритетам пользователя. При ограниченном времени сравнивается порядок фактов без изменения их содержания.

    LAMSADE, Paris-Dauphine University +1

    #Объяснения и контроль

    Публикация конференцииZotero ↗

  64. Zero-Observation User Reactivation with Gap-Driven Dimensional Gating (DeltaGate)

    DeltaGate смешивает персональное представление с общим prior покоординатным гейтом. Гейт зависит от длительности отсутствия пользователя и работает поверх замороженного энкодера.

    Fudan University, Huawei Technologies

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  65. A Causal Transformer Multi-Touch Attribution with Dual Debiasing and Explainable Visualization for Advertising Recommendation

    CT-MTA кодирует рекламные контакты с временными поправками внимания. Латентный proxy и состязательное обучение корректируют смешение при атрибуции.

    Joint Institute of Qingdao Huanghai University and Weltec, Qingdao Huanghai University

    #Реклама и рекомендации#Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  66. Assessing Sentiment Semantics in KG-Based Explainable Recommender Systems

    Граф знаний разделяет отношения покупки, упоминания и тональности аспектов. Обучаемая политика выбирает объясняющие пути по sentiment-aware представлениям.

    University of Barcelona, University of Cagliari

    #Коллаборативные модели#Объяснения и контроль

    Публикация конференцииZotero ↗

  67. Beyond Index-Only RoPE: Integrating Time and Order for Generative Recommendation

    TO-RoPE включает время события и порядковую позицию в вращения query и key. Варианты разделения частот позволяют сочетать временные интервалы с порядком.

    Roblox, University of Maryland

    #Последовательные рекомендации#Генеративные рекомендации

    Публикация конференцииZotero ↗

  68. BookForYou: Leveraging BART-Generated Narrative Tropes for Content-Based Book Recommendations

    BookForYou генерирует сюжетные теги из книжного описания. Эти теги уточняют поиск внутри семантически близкого пула книг.

    Manipal Institute of Technology Bengaluru, Manipal Academy of Higher Education +2

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  69. Candidate Retrieval for Provider Fairness under Severe Recommendation Imbalance

    FairSAE кодирует замороженные представления разреженным автоэнкодером. Сдвиг пользователя вдоль группового контраста меняет состав retrieval-кандидатов.

    Charles University, University of Cagliari

    #Объяснения и контроль#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  70. Choosing What Matters: Query-Aware Multimodal Routing for Conversational Recommendation

    Диалог и сущности кодируются раздельно с графовыми, текстовыми и визуальными каналами. Зависимый от запроса маршрутизатор выбирает вклад каждой модальности.

    Sungkyunkwan University

    #Языковые модели и агенты#Кросс-домен и мультимодальность#Коллаборативные модели

    Публикация конференцииZotero ↗

  71. Comparability for Recommendation Model Evaluation and Selection from a Multi-stakeholder Perspective

    Работа нормирует выгоды разных участников относительно доступных возможностей. Затем способы агрегации сравниваются как разные нормативные критерии выбора модели.

    ETH Zurich

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  72. Covariance-Aware Newton-Schulz Orthogonalization for Noise-Robust Sequential Recommendation

    CovNS накапливает второй момент градиентов и периодически фильтрует направления обновления. Отфильтрованный градиент проходит ортогонализацию внутри оптимизатора.

    Alibaba International Digital Commerce Group

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  73. Distribution-Level Contrastive Supervision for Generative Recommendation

    SODA превращает близость товара к кодовым словам в мягкие распределения. Контрастивное согласование передаёт этот сигнал представлению истории без изменения декодера.

    University of Science and Technology of China, Upwork +2

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  74. Dual Conditional Diffusion for Generative Cross-Domain Recommendation via Disentangled Knowledge Transfer

    DCD-XRec обучает условную диффузию переносить пользовательские представления между доменами с общими пользователями. Реальные цели другого домена дополняются искусственными гибридами общих и частных компонент.

    Indian Institute of Technology, Guwahati, Meesho

    #Генеративные рекомендации#Кросс-домен и мультимодальность#Коллаборативные модели

    Публикация конференцииZotero ↗

  75. Enriching Graph-Based Modeling with Sequential Signals for Explainable Course Recommendation

    Twiner объединяет граф направленных переходов между корзинами с рекуррентной историей пользователя. Объяснения строятся как кратчайшие пути по графу с обученными весами внимания.

    Christopher Newport University, Florida International University

    #Коллаборативные модели#Последовательные рекомендации#Объяснения и контроль

    Публикация конференцииZotero ↗

  76. GradSup: Gradient Superposition for Personalised and Scalable LLM Recommendation

    GradSup ограничивает персональную адаптацию фиксированным спектральным базисом весов. Градиенты примеров накапливаются в общей исходной точке и масштабируются при применении.

    La Trobe University, Core dna

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  77. Hierarchical GTV Estimation: Bridging the Gap between Container-Level Ranking and Item-Level Conversion

    HGE кодирует товары магазина как взаимодействующий набор с последующим добавлением контекста. Денежная цель раскладывается по структуре конверсии и дополняется остаточной коррекцией.

    Meituan, ShopeeFood&DP Intelligence

    #Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  78. Impression Share Prediction: An Offline Evaluation Task for Ads Ranking Systems

    Работа предсказывает доли рекламных показов с учётом состояния модели и доступного объёма. Причинная схема отделяет свойства ранкера от расходования ресурса во времени.

    Meta Platforms, Inc.

    #Реклама и рекомендации#Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  79. Interaction Modality and Trust: Investigating System-Driven Conversational Recommendation and Faceted Search

    Эксперимент сравнивает фасетные фильтры с диалоговым извлечением тех же предпочтений. Товары и порядок выдачи удерживаются одинаковыми при одинаковых настройках.

    Universität Wien, TU Wien

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  80. LLM-as-a-Judge for Evaluating System Responses in Conversational Music Recommendation

    Музыкальная рекомендация фиксируется, а меняется текст ответа системы. Языковые судьи оценивают персонализацию и объяснение по общей с людьми рубрике.

    KAIST, Deezer Research +2

    #Оценка и причинность#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  81. Personalized Recommendation Tool Learning via Autonomous Language Agents

    PRTA хранит персональные веса заранее обученных рекомендательных инструментов. Языковой агент обновляет смесь по профилю и обратной связи.

    University of Illinois Chicago, Microsoft +1

    #Языковые модели и агенты#Коллаборативные модели#Последовательные рекомендации

    Публикация конференцииZotero ↗

  82. Position Bias Undermines Preference Consistency in Listwise LLM-Based Reranking

    Перестановки одного набора кандидатов порождают повторные ранжирования языковой модели. Диагностика разделяет попарную, глобальную и выходную согласованность предпочтений.

    RMIT University

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  83. PriCoRec: A Privacy-Aware Cloud–Device Collaborative Framework for Ad Recommendation under Feature Constraints

    PriCoRec разделяет облачные и локальные признаки пользователя. Облачный shortlist разнообразится, чтобы локальный ранкер мог использовать недоступную серверу информацию.

    University College Dublin, Huawei Ireland Research Center

    #Реклама и рекомендации#Объяснения и контроль#Промышленные системы

    Публикация конференцииZotero ↗

  84. Probing the LLMs for Generating User Profile of Session-based Social Recommendation

    UPRec объединяет текст истории с профилями, сформированными языковой моделью. Социальный сигнал поступает через фиксированное взвешивание представлений соседей.

    Tsinghua University, Pengcheng Laboratory +3

    #Языковые модели и агенты#Последовательные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  85. Scaling LLM-Enhanced Linear Autoencoders to Industrial-Size Catalogs

    Метод переносит семантическую надстройку линейного автоэнкодера на разреженную алгебру. Матричные преобразования устраняют необходимость хранить плотное сходство каталога.

    Ural Federal University, T-Bank +1

    #Промышленные системы#Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  86. Structure-Preserving Projection for Mitigating Modality Bias in LLM-Based Sequential Recommendation

    Регуляризация проектора сохраняет геометрию поведенческих представлений при вводе в языковую модель. Основной промпт и генеративная цель остаются прежними.

    National Taiwan University

    #Языковые модели и агенты#Коллаборативные модели#Последовательные рекомендации

    Публикация конференцииZotero ↗

  87. Support Gap: Selecting Fixed-K Candidate Sets for Retained Personalized Headroom

    Support Gap оценивает разницу между лучшим кандидатом для каждого состояния и лучшим общим кандидатом. Witness scorer использует эту величину для выбора фиксированного пула.

    Stanford University

    #Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  88. Surface Matching in Skill Recommenders: Incomplete Evaluation Hides Simplicity Bias

    Работа расширяет оценку рекомендателя навыков рубрикой поверхностных совпадений и смысловых ошибок. Варианты обучения сравниваются по полезному верху списка, а не только известным позитивам.

    TechWolf, Ghent University

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  89. Towards Efficient Hyperbolic Representation Learning for Recommender Systems

    HyperbRec обучает представления непосредственно на гиперболоиде. Линейное внимание на основе косинусного преобразования сокращает вычисления.

    Dublin City University

    #Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  90. Uncertainty-Aware Gated Context Fusion for Next POI Recommendation

    Гейт смешивает представления места и его категории до последовательного энкодера. Стохастический вариант регуляризует распределение весов смешивания.

    Sungkyunkwan University

    #Кросс-домен и мультимодальность#Последовательные рекомендации

    Публикация конференцииZotero ↗

  91. Exploiting ID-Text Complementarity via Ensembling for Sequential Recommendation

    EnsRec независимо кодирует ID-историю и текстовые признаки товаров. Ансамбль объединяет предсказания, а пересечение успешных случаев измеряет комплементарность ветвей.

    Snap

    #Последовательные рекомендации#Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  92. When Fixed-Candidate Offline Evaluation Changes Model Selection in Two-Stage Recommenders

    Работа сравнивает системы на собственных и фиксированных кандидатах. Признаки пересчитываются для каждой системы, чтобы отделить членство в пуле от реранжирования.

    Stanford University

    #Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  93. A Position Paper on Recommender Systems in the Era of Autonomous Agents

    Позиционная работа разделяет клиентского и платформенного агента. В постановку рекомендации добавляются запрашивающая сторона, явная цель и доступные ограничения.

    Nanyang Technological University

    #Языковые модели и агенты#Промышленные системы#Объяснения и контроль

    Публикация конференцииZotero ↗

  94. Backward and Inward: From Preferences to Personalization and the Safety Crisis Within Conversational Recommender Systems

    Работа систематизирует риски межсессионной памяти и персонализации диалога. Различаются легитимация намерения, поддакивание и перенос контекста между доменами.

    Microsoft

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  95. Beyond Passive Preference Inference: User-Governed Preference Memory and Calibrated Initiative in Recommender Systems

    Предлагается память предпочтений с происхождением, областью действия и отзывом записей. Инициатива системы рассматривается отдельно от хранения пользовательского состояния.

    Tsinghua University, Fudan University

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  96. 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 ↗

  97. EachMovie: archaeology of a first latent recommender system

    EachMovie восстанавливается как ранняя латентная модель оценок. Регуляризованная ошибка считается только по наблюдениям, а профили обновляются отдельно от фоновой оптимизации.

    Digital Equipment Corporation

    #Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  98. Forward and Outward: From Aggregate to Individual and Towards Human Understanding in Conversational Recommendation

    Концептуальная работа разделяет содержание, способ выражения и мотивацию предпочтений. Диалог рассматривается как помощь формированию выбора, а не только извлечение атрибутов.

    Microsoft

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  99. From Side Information and Knowledge Graphs to Large Language Models: Two Decades of Knowledge Integration in Recommender Systems

    Обзор сравнивает способы представления знаний от правил до графов и языковых моделей. Каждая смена представления анализируется по обновлению знания и возможности объяснить вычисление.

    Politecnico di Bari, University of Cagliari

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

    Публикация конференцииZotero ↗

  100. From User–Item Edges to Exposure Allocation: Matching Evidence to Platform-Level Recommender Claims

    Работа отделяет свидетельства о локальной рекомендации от утверждений о распределении экспозиции. Мысленные контрпримеры проверяют зависимость вывода от ресурсов и состояния платформы.

    Stanford University

    #Оценка и причинность#Промышленные системы#Объяснения и контроль

    Публикация конференцииZotero ↗

  101. Some People Are Worth Recommending For: Twenty Years of Progress, Gaps, and Opportunities For and With Children at RecSys

    Исторический обзор отбирает и кодирует исследования рекомендаций для детей. Анализ связывает алгоритмические задачи с участием несовершеннолетних в проектировании.

    Delft University of Technology

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  102. The Underrated Catalyst: Advancing Critiquing Towards Steerable and Next-Generation LLM Recommendations.

    Обзор трактует пользовательскую критику как контур изменения последующих рекомендаций. Исторические механизмы фильтров сопоставляются с управлением латентными и языковыми представлениями.

    Hainan Normal University, Central China Normal University

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  103. Towards the Human-Centered Study of Recommender System Providers

    Исследовательская программа рассматривает поставщиков как пользователей рекомендательной системы. Интерфейсы, объяснения и совместное проектирование связываются с измеримыми воздействиями алгоритма.

    University of Colorado Boulder

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  104. User-Controlled Intent Layers for LLM-Mediated Personalization: A Research Agenda for Recommender Systems

    Предлагается управляемый человеком слой намерений между помощником и внешними сервисами. Он разделяет цели, ограничения, раскрытие данных и разрешённые действия.

    Fudan University, Microsoft Research Asia

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  105. Who Are We Recommending To? Recommender Systems in the Agentic Web

    Позиционная работа описывает спектр делегирования рекомендации агенту. Степень автономии связывается с выразимостью предпочтений, проверяемостью результата и обратимостью последствий.

    Spotify

    #Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  106. 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 ↗

  107. Are We Really Making Progress in Group Recommendation? Unmasking the Tie-Breaking Illusion

    Одинаковые скоры оцениваются при разных правилах разрешения ничьих. Точное ожидание ranking-метрик по случайному порядку устраняет произвольное преимущество позиции позитива.

    National Taiwan University

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  108. Personalised Drug Recommender Systems based on Electronic Health Records: Reproducibility and External Validity

    Аудит медицинских рекомендателей разделяет наличие артефактов и фактическое исполнение оригинального кода. Перенос на другие данные рассматривается отдельно от совпадения опубликованных метрик.

    University of Klagenfurt

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  109. We’ve Already Been There: A Study of Data Leakage in Ephemeral Group Recommender Systems

    Аудит эфемерных групп выявляет целевые групповые взаимодействия в индивидуальных историях участников. Направленное удаление сравнивается со случайным удалением того же объёма и счётчиком общих объектов.

    Johns Hopkins University

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  110. Binge Watch: Reproducible Multimodal Benchmark Datasets for Large-Scale Movie Recommendation on MovieLens-10M and 20M

    Ресурс связывает фильмы с текстом, постерами и трейлерами через устойчивые соответствия объектов. Публикуются признаки и конвейер получения мультимодального бенчмарка.

    University of Bari Aldo Moro

    #Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  111. hoploy: a Plugin-Based Inference Layer for Path-Based Explainable Recommendation over Knowledge Graphs

    Hoploy оборачивает готовые графовые рекомендатели плагинами предметных областей. Обработчики переводят ограничения запроса в допустимые пути и разворачивают результаты в объяснения.

    University of Cagliari

    #Промышленные системы#Коллаборативные модели#Объяснения и контроль

    Публикация конференцииZotero ↗

  112. JTH: A Dataset for Evaluating Cold-Start and Temporal Dynamics in Job Recommendation

    JTH объединяет профили кандидатов, вакансии и временные этапы найма. Структурированное извлечение атрибутов дополняет оценку холодного старта и динамики рынка.

    Télécom SudParis, Institut Polytechnique de Paris

    #Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  113. scikit-rec: A Unified, Extensible Recommendation Library with scikit-rec-agent, a Conversational Interface

    Scikit-rec разделяет рекомендательную логику, скоринг и оценивание моделей. Разговорный агент выбирает конфигурации поверх общего программного контракта.

    Intuit

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

    Публикация конференцииZotero ↗

  114. τ-Rec: A Verifiable Benchmark for Agentic Recommender Systems (τ-Rec)

    τ-Rec проверяет диалог агента по скрытым ограничениям пользователя и инструментальным действиям. Успех вычисляется детерминированными предикатами каталога вместо языкового судьи.

    Princeton University

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  115. WatchLens: A Configurable Platform for Online Video Recommendation Experiments

    WatchLens разделяет конфигурацию видеоэксперимента, интерфейса и рекомендательной политики. Телеметрия связывает воспроизведение с контекстом показов.

    Yonsei University

    #Оценка и причинность#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  116. WorkRB: A Community-Driven Evaluation Framework for AI in the Work Domain

    WorkRB задаёт задачи рынка труда через запрос, каталог и релевантность. Конфигурации языков и онтологий объединяются общим контрактом ранжирования.

    TechWolf, Avature +9

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  117. 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 ↗

  118. A Self-Triggered Agentic Push Recommendation System

    STEPS обучает политику времени следующего push через условие на будущую награду. Порядковая регрессия задаёт интервал, а ценностная модель контролирует исполнение.

    ByteDance, Peking University

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  119. A Unified Generative Re-ranking Framework with Adaptive Multi-objective Fusion

    MAMGR делит адаптивные пользовательские веса целей между генератором перестановок и оценщиком списков. Общий контекст сочетает локальные свёртки с моделированием длинных зависимостей.

    Ant Group

    #Генеративные рекомендации#Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  120. Advancing Relevance Measurement with Vision–Language Models for Web-Scale Search

    Визуально-языковая модель оценивает релевантность поисковых результатов по запросу и метаданным. Стратифицированный сбор примеров связывает автоматические метки с экспериментальным решением.

    Pinterest

    #Оценка и причинность#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  121. Alignment + Accuracy: The Cascade Reward Representation for Preranking

    Cascade Reward раскладывает награду каскада по префиксам выдачи и пересечению с основным ранкером. Практический предиктор объединяет согласованность отбора и точность оценок.

    Pinterest

    #Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  122. Attending to the Core: Core-Task Attention for Recommendation

    CoreAtt передаёт вспомогательные представления приоритетной задаче через внимание. Популяционные процентили дополнительно взвешивают перенос между задачами.

    Kuaishou Technology

    #Промышленные системы

    Публикация конференцииZotero ↗

  123. Bootstrapping Conversational Recommendation Agents At Spotify: Synthetic Data Generation and Self-Improvement Loops

    Spotify разделяет план синтетического диалога и его адаптивное исполнение с живым агентом. Рубрики навыков и разбор ошибок поддерживают цикл исправлений.

    Spotify

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

    Публикация конференцииZotero ↗

  124. 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 ↗

  125. Building a User Foundation Model for the Open Web

    Пользовательская foundation-модель предобучается на последовательностях веб-событий. Полученные представления интегрируются в действующий CTR-ранкер.

    Teads

    #Реклама и рекомендации#Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  126. CAPTS: Channel-Aware, Preference-Aligned Trigger Selection for Multi-Channel Item-to-Item Retrieval

    CAPTS оценивает исторический trigger по полезности его товарных соседей в будущем окне. Канальные модели выбирают события, наиболее подходящие для предварительного поиска.

    Kuaishou Technology

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  127. ConAlign: Conditional Alignment Framework for Balancing Biased and Unbiased Recommendation

    ConAlign обучает отдельные башни на обычных и несмещённых взаимодействиях. Условное выравнивание избирательно переносит представления между ними.

    Kuaishou Technology

    #Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  128. 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 ↗

  129. DRanker: A Transformer-Based Multi-Task Ranking Model for the Disney+ Homepage

    DRanker обучает многозадачную модель на первых содержательных просмотрах. Контекст профиля и отбор примеров согласуются с задачей открытия новых тайтлов.

    The Walt Disney Company

    #Промышленные системы#Кросс-домен и мультимодальность#Последовательные рекомендации

    Публикация конференцииZotero ↗

  130. EGR: Embedding-Native Generative Retrieval with a Shared LLM

    EGR совместно кодирует товары и истории общим языковым энкодером. Контрастивные цели связывают совместное потребление и следующий товар в одном векторном пространстве.

    Snap

    #Языковые модели и агенты#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  131. Embedding Subspace Partitioning for Dynamic Multi-Objective Retrieval

    ESP выделяет отдельные подпространства эмбеддинга разным целям. Их веса меняются на стороне запроса при сохранении общей модели и индекса.

    LinkedIn

    #Промышленные системы#Коллаборативные модели

    Публикация конференцииZotero ↗

  132. Entity Representation Learning Through Onsite-Offsite Graph for Pinterest Ads

    TransRA объединяет площадочные и разрешённые внешние действия в неоднородный граф. Типовые преобразования приводят сущности к общему пользовательскому пространству для downstream-ранкера.

    Pinterest

    #Реклама и рекомендации#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  133. FLUID: From Ephemeral IDs to Multimodal Semantic Codes for Billion-Scale Livestreaming Recommendation

    FLUID кодирует эфемерные трансляции общим мультимодальным энкодером и семантическими кодами. Представления интегрируются в ранкер через согласованное квантование и обучение.

    TikTok, ByteDance

    #Промышленные системы#Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  134. From Exploitation to Balance: Efficient Retargeting Recommendation via DPO-Guided Slot Allocation

    RetargetRec разделяет повторные и новые товары на этапе retrieval. Обученная preference-модель управляет количеством и позициями повторных предложений.

    Alibaba International Digital Commerce Group

    #Реклама и рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  135. From M Passes to One: A MapReduce-Style Bootstrap for Pointwise Off-Policy Evaluation in Production Recommenders

    Факторизованный бутстрап накапливает псевдовыборки оценки политики за общий проход по логам. Детерминированные маски позволяют распределить вычисление между обработчиками.

    LinkedIn

    #Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  136. From Placements to Pages: Modeling Recommendation Module Interactions with Sequential Transformer Neural Bandits

    STNB кодирует ранее выбранные семейства модулей страницы причинным Transformer. Быстро обновляемая bandit-политика выбирает варианты отдельно от стабильного представления семейств.

    eBay Inc.

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  137. Generative Spatiotemporal Intent Sequence Recommendation via Implicit Reasoning in Amap

    GPlan учится на структурированных планах услуг, синтезированных учителем с экспертными примерами. Ученик воспроизводит компактную последовательность намерений и инструментов.

    AMAP

    #Языковые модели и агенты#Кросс-домен и мультимодальность#Промышленные системы

    Публикация конференцииZotero ↗

  138. GRIP: Generation and Reasoning for User Profile Completion

    GRIP обучает языковую модель заполнять и проверять недостающие поля профиля через последовательные стадии адаптации. Награда учитывает тип атрибута, количество интересов и формат ответа.

    Hong Kong Baptist University, Tencent +1

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  139. GenPage: Towards End-to-End Generative Homepage Construction at Netflix

    GenPage авторегрессионно создаёт ряды и объекты домашней страницы. При продолжении выдачи контекст дополняется уже показанным и новыми действиями.

    Netflix

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  140. Guess Where You Go: Generative Next Point-of-Interest Recommendation in Amap

    GWhere объединяет текст, изображения, пространственные и поведенческие признаки в токенизаторе. Генератор семантических кодов адаптируется к следующему географическому выбору.

    AMAP

    #Генеративные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  141. HIPA-Net: Heterogeneous Intent Projection Alignment for Feedback Calibration in CVR Prediction

    HIPA-Net отдельно кодирует разные типы положительной, отрицательной и неоднозначной обратной связи. Выравнивание намерений калибрует их вклад в прогноз конверсии.

    Kuaishou Technology

    #Реклама и рекомендации#Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  142. 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 ↗

  143. Hybrid Retrieval and Multimodal Reranking for Item-to-Item Recommendation in a C2C Marketplace

    Система объединяет кандидатов независимого текстового и визуального поиска. Мультимодальный реранкер выбирает похожие товары для площадки частных продавцов.

    Mercari

    #Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  144. Hypothesis-Driven Shelf Generation for Personalised Recommendation

    Языковая модель формулирует персональную гипотезу тематической полки. Ограниченный каталогом генеративный retrieval исполняет её и согласует объекты с замыслом.

    Spotify

    #Языковые модели и агенты#Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  145. IDProxy: Cold-Start CTR Prediction for Ads and Recommendation at Xiaohongshu with Multimodal LLMs

    IDProxy строит мультимодальный заменитель ID-эмбеддинга холодного объекта. После грубого выравнивания прокси дообучается совместно с CTR-ранкером.

    Xiaohongshu, Shanghai Jiao Tong University +1

    #Реклама и рекомендации#Промышленные системы#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  146. Interest Sequence for User Modeling in Industrial Short-Form Video Recommendation

    Иерархическая таксономия видео задаёт дерево накопленных пользовательских интересов. Семантическая долгосрочная статистика подаётся промышленному ранкеру отдельным входом.

    Google YouTube

    #Промышленные системы#Последовательные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  147. LLM Reasoning for Subjective Tasks: Failure Modes, Mitigation, and Dynamic Reasoning Routing

    Работа сравнивает прямые ответы и режимы рассуждения на субъективных рекомендательных задачах. Обучение и маршрутизация выбирают подходящий режим по задаче.

    Duke University, Netflix

    #Языковые модели и агенты#Оценка и причинность

    Публикация конференцииZotero ↗

  148. LLM-Based Re-Ranking for Real Estate Search

    Реранкер оценивает каждый объект недвижимости по запросу, профилю и общему контексту кандидатов. Асинхронные оценки уточняют готовый retrieval без замены проверки допустимости.

    QuintoAndar, Growthloop

    #Языковые модели и агенты#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  149. 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 ↗

  150. LO-FAR: A Cost-Aware Local Filter for Sparse Feature Ranking in Industrial Ad Recommendation

    LO-FAR независимо оценивает маргинальный сигнал разреженных признаковых полей. Стоимость поля учитывается при выборе набора для промышленной модели.

    Meta Platforms, Inc.

    #Реклама и рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  151. 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 ↗

  152. Long-term User Engagement Optimization through Model-agnostic Downstream Rewards Learning

    Потенциальные долгосрочные proxy отбираются по нормированным действиям вокруг опорного дня. Проверенная конфигурация наград включается в существующий многозадачный ранкер.

    Pinterest

    #Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  153. M2R: End-to-End Implicit Scenario Discovery for Multi-Scenario and Multi-Crowd Ranking at Taobao

    Ранкер Taobao сочетает явные бизнес-разбиения с обучаемым выбором ближайшего прототипа. Целевая ошибка и геометрические ограничения обучают маршрутизацию, а низкоранговые добавки сокращают параметры экспертов.

    Taobao & Tmall Group of Alibaba

    #Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  154. MDGR: Masked Diffusion Generative Recommendation

    MDGR использует параллельные коды и маскированную дискретную диффузию. Декодирование начинается с уверенных одиночных позиций и затем заполняет коды параллельно.

    Alibaba International Digital Commerce Group, Wuhan University

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  155. MESH: Scaling Up Retrieval with Heterogeneous Content Unification

    MESH разделяет пользовательские, объектные и контекстные признаки по подбашням. Нормировка и управляемое объединение ограничивают доминирование частого типа контента.

    Pinterest

    #Промышленные системы#Коллаборативные модели

    Публикация конференцииZotero ↗

  156. Melo: A Production LLM-Powered Music Recommendation Agent

    Melo исполняет музыкальный запрос через фиксированный граф понимания, планирования, поиска и проверки. Структурированные переходы ограничивают свободную агентную петлю.

    NetEase Cloud Music, Hangzhou Dianzi University

    #Языковые модели и агенты#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  157. 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 ↗

  158. 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 ↗

  159. Mosaic: A Fleet of User Embedding Specialists for Recommendation at Meta

    Mosaic обучает специализированные пользовательские башни с разными источниками сигнала. Только их выходные представления поступают downstream-ранкерам, отделяя тяжёлое обучение от выдачи.

    Meta Platforms, Inc.

    #Промышленные системы#Коллаборативные модели

    Публикация конференцииZotero ↗

  160. Multi-Objective Ranking for Live-Streaming: Balancing Fresh and Delayed Signals with Segment-Aware Targeting

    Плотный свежий сигнал отделяется от глубоких отложенных действий в многозадачном ранжировании. Сегментное управление согласует цели для разных зрителей трансляций.

    Twitch Interactive, Amazon Prime Video

    #Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  161. Multi-Probe Zero Collision Hash (MPZCH): Mitigating Embedding Collisions and Enhancing Model Freshness in Large-Scale Recommenders

    MPZCH хранит владельцев embedding-строк и ограниченно пробует соседние слоты. Управление сроком жизни и сбросом состояния освобождает место для новых объектов.

    Meta Platforms, Inc., OpenAI +1

    #Промышленные системы

    Публикация конференцииZotero ↗

  162. Multilingual Semantic Retrieval for Apple Music Search

    Многоязычный bi-encoder кодирует запросы и структурированные музыкальные документы. Поведенческие пары и согласование шкал соединяют семантический канал с поисковой системой.

    Apple

    #Промышленные системы#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  163. NextGen: A Multi-Objective Generative Re-ranking Framework for Taobao Recommendation

    NextGen кодирует пользователя и готовый пул кандидатов с upstream-сигналами. Авторегрессионный декодер собирает список, учитывая уже выбранный префикс и разные цели.

    Taobao & Tmall Group of Alibaba

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  164. PLAIN: An Explainable Generative Search System Enhanced by Multi-granularity Semantic Alignment

    PLAIN задаёт ранним кодам таксономический смысл, а поздним — метаданные и различение экземпляров. Синтетическая supervision согласует запрос с уровнями семантического поиска.

    Kuaishou Technology

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  165. POEM: Partial-Order Enhanced Real-Time Sequential Modeling for Recommendation

    POEM превращает предыдущий набор кандидатов и многозадачные скоры в частично упорядоченную последовательность. Эта история системных решений дополняет пользовательские события в retrieval.

    Kuaishou Technology

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  166. PROMISE: Process Reward Models Unlock Test-Time Scaling Laws in Generative Recommendations

    PROMISE оценивает промежуточные префиксы семантических кодов лёгкой reward-моделью. Beam search отсекает слабые ветви до завершения идентификатора.

    Kuaishou Technology

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  167. Personalizing Incremental Video Search with Hybrid Text and ID Embeddings

    Текстовые и ID-представления обучаются отдельно на поведенческой близости. Их персональные cosine-affinity добавляются в ранкер инкрементального видеопоиска.

    Apple

    #Промышленные системы#Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  168. PinDCO: Whole-Page Aware Dynamic Creative Optimization at Scale

    PinDCO параллельно ранжированию объявлений оценивает варианты их креативов. Компонентная модель учитывает контекст всей страницы и форму карточки.

    Pinterest

    #Реклама и рекомендации#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  169. Progressive Alignment of Recommender Foundation Model through Multi-Phase Post-Training

    Предобученный пользовательский энкодер адаптируется последовательными стадиями post-training. Новые головы и контекст поверхности сначала согласуются с замороженной базой, затем оптимизируются дальше.

    NAVER WEBTOON

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  170. RECAP: Feedback-Driven Streaming Semantic User Profiles for Short-Video Recommendation

    RECAP обновляет тематическую память по хронологическим блокам истории и ссылкам на поддерживающие события. Детерминированная машина состояния управляет давностью и приоритетами записей.

    University of Science and Technology of China, Kuaishou Technology +1

    #Языковые модели и агенты#Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  171. REEF: Real-time end-to-end Explore-Exploit framework for e-commerce Feeds

    REEF размечает взаимодействия как освоение знакомого или исследование нового по близости к истории. Отдельные ранкеры обучаются на этих режимах и смешиваются при выдаче.

    Meesho

    #Промышленные системы#Объяснения и контроль

    Публикация конференцииZotero ↗

  172. RankGraph-2: Lifecycle Co-Design for Billion-Node Graph Learning in Recommendation

    RankGraph согласует построение графа, отбор соседей и контракт выдачи представлений. Связи однотипных узлов выводятся из поведения без внешней социальной сети.

    Meta Platforms, Inc.

    #Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  173. 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 ↗

  174. SMART: LLM-Augmented Hybrid Retrieval for Dynamic Product Ads

    SMART сначала выполняет дешёвый поиск по точным брендам и категориям. Аудит покрытия готового пула решает, нужна ли дополнительная языковая генерация запросов.

    Snap

    #Реклама и рекомендации#Промышленные системы#Языковые модели и агенты

    Публикация конференцииZotero ↗

  175. Sample Is Feature: Beyond Item-Level, Toward Sample-Level Tokens for Unified Large Recommender Models

    Sample Is Feature квантует снимок пользовательских, товарных и контекстных признаков события. История состоит из токенов взаимодействий, а не только ссылок на товары.

    Meituan

    #Промышленные системы#Генеративные рекомендации#Последовательные рекомендации

    Публикация конференцииZotero ↗

  176. Self-Evolving Recommendation System: End-To-End Autonomous Model Optimization With LLM Agents

    Агенты предлагают компактные изменения промышленной конфигурации и проверяют их через общий журнал экспериментов. Разные роли исследуют архитектуру, оптимизацию и награды при фиксированных контрактах.

    Google YouTube

    #Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  177. SequenceO1: End-to-End Ultra-Long (100K) Sequence Modeling in Recommendation with Low-Rank Caching

    Модель распределяет события между общими прототипами и кэширует компактную историю. Свежие события дополняют представление без повторной обработки всей последовательности.

    ByteDance

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  178. Shape Your Feed: An LLM-based Agentic System for Conversational Recommendation

    Shape Your Feed переводит свободную пользовательскую обратную связь в намерения для существующего ранжирующего стека. Контекстные подсказки и агентный интерфейс делают управление лентой доступным через диалог.

    Meta Platforms, Inc.

    #Объяснения и контроль#Языковые модели и агенты#Промышленные системы

    Публикация конференцииZotero ↗

  179. 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 ↗

  180. 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 ↗

  181. Structuring and Tokenizing Distributed User Interest Context for Generative Recommendation

    Метод строит разреженный граф совместного потребления как схему интересов. Структура графа используется для организации и токенизации пользовательского контекста.

    University of Illinois Urbana-Champaign, Meta Platforms, Inc.

    #Генеративные рекомендации#Коллаборативные модели

    Публикация конференцииZotero ↗

  182. TSSR-Beta: Enhancing Billion-Scale E-Commerce Semantic Retrieval via Representation-Level Interaction

    TSSR-Beta добавляет взаимодействующую голову поверх готовых нормированных векторов двухбашенной модели. Покомпонентные признаки и Transformer-ветка уточняют оценку пары.

    East China Normal University, Taobao & Tmall Group of Alibaba

    #Промышленные системы#Коллаборативные модели

    Публикация конференцииZotero ↗

  183. The Text on the Creative: An Under-Exploited Ranking Modality for Short-Form Video Ads

    Ads-OCR извлекает текст поверх рекламного видео с маршрутизацией по письменности. Признаки и компактные коды передаются ранкеру после фильтрации неуверенных токенов.

    Meta Platforms, Inc.

    #Реклама и рекомендации#Промышленные системы#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  184. Token Factory: Efficiently Integrating Diverse Signals into Large Recommendation Models

    Token Factory преобразует группы разнородных признаков в обучаемые непрерывные токены фиксированной длины. Эти токены совместно оптимизируются с большой рекомендательной моделью.

    Google YouTube, Google DeepMind

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  185. 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 ↗

  186. Towards Full Candidate Interaction: A Comprehensive Comparison Network for Better Route Recommendation

    CCN вычисляет направленные различия физических сегментов между маршрутами. Сеть совместно сравнивает кандидатов вместо независимого кодирования каждого пути.

    AMAP

    #Кросс-домен и мультимодальность#Промышленные системы

    Публикация конференцииZotero ↗

  187. Towards Generalizable and Efficient Large-Scale Generative Recommenders

    Работа сочетает масштабирование генератора с предсказанием множества будущих ценных действий. Семантические ветви и маскирование ID поддерживают обобщение на новые тайтлы.

    Netflix Research

    #Генеративные рекомендации#Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  188. Towards Reliable Social A/B Testing: Spillover-Contained Clustering with Robust Post-Experiment Analysis

    Balanced Louvain формирует социальные кластеры с контролем размера для рандомизации. Анализ агрегированных исходов учитывает кластерную единицу назначения и сетевые spillover.

    Kuaishou Technology

    #Оценка и причинность#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  189. TransAct V2: Lifelong User Action Sequence Modeling on Pinterest Recommendation

    Архитектура разделяет пожизненные действия, свежую историю и показы. Отбор под кандидата позволяет использовать дальнее поведение без полного удлинения дорогого входа.

    Pinterest, OpenAI

    #Последовательные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  190. TubiFM: Unified Item, Carousel, and Search Ranking for Streaming Discovery

    TubiFM сериализует поиски, сессии и просмотры в общую пользовательскую историю. Один интерфейс ранжирования обслуживает объекты, карусели и поиск.

    Tubi

    #Промышленные системы#Последовательные рекомендации#Языковые модели и агенты

    Публикация конференцииZotero ↗

  191. UNIQUE: A Unified Retrieval and Ranking System for Large-Scale Feed Recommendation

    UNIQUE обучает плоские коды на признаках объектов и многозадачной поведенческой обратной связи. Общее представление связывает retrieval с последующим ранжированием.

    Beihang University, Baidu Inc. +2

    #Генеративные рекомендации#Промышленные системы

    Публикация конференцииZotero ↗

  192. Uncertainty-Aware Reward Modeling: A Large-Scale Case Study in Video Recommendation

    Лёгкий ранкер YouTube использует байесовский последний слой либо квантили награды для исследования кандидатов. Квантильная политика добавляет к медиане бонус за ширину интервала с отдельным правилом для телевизоров.

    Google YouTube, Google DeepMind

    #Промышленные системы#Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  193. UniPinRec: Unifying Generative Retrieval and Ranking at Pinterest Scale

    UniPinRec объединяет retrieval и ranking на общем последовательном backbone. Совместные представления и задачи обучения дополняются оптимизацией развёртывания.

    Pinterest

    #Промышленные системы#Генеративные рекомендации#Последовательные рекомендации

    Публикация конференцииZotero ↗

  194. UniShare: A Unified Framework for Joint Video and Receiver Recommendation in Social Sharing

    UniShare совместно моделирует выбор видео и адресата социальной отправки. Представления интересов обеих сторон согласуются с содержанием и типом отношений.

    Kuaishou Technology

    #Кросс-домен и мультимодальность#Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  195. UniTraj: Cross-Domain Long-Sequence Modeling for Commercial Recommendation

    UniTraj объединяет рекламные и контентные события в длинную траекторию. Общие товарные и категорийные связи поддерживают иерархический отбор истории для ранкера.

    Tencent, University of Science and Technology of China

    #Реклама и рекомендации#Последовательные рекомендации#Кросс-домен и мультимодальность#Промышленные системы

    Публикация конференцииZotero ↗

  196. Versioned Late Materialization for Ultra-Long Sequence Training in Recommendation Systems at Scale

    Versioned Late Materialization хранит изменяемый хвост истории в примере, а старую часть восстанавливает по границам. Обучающие worker обращаются только к историческому хранилищу.

    Meta Platforms, Inc.

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  197. WHALE: A Scalable Unified Model for Recommendation with Wukong-HSTU Architecture

    WHALE сохраняет отдельные пути для пересечений признаков и последовательной истории. Перекрёстное внимание связывает выходы Wukong и HSTU на уровнях сети.

    Meta Platforms, Inc.

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  198. 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 ↗

  199. Blended User Embeddings for Steerable Matrix Factorization

    BLUE кодирует текстовую сводку предпочтений и смешивает её с пользовательским фактором. Правка текста позволяет направлять матричную факторизацию без переобучения всей системы.

    Politecnico di Milano, Politecnico di Torino

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

    Публикация конференцииZotero ↗

  200. Calibrating Recommendations on Ordinal Attributes

    Калибровка по упорядоченным атрибутам использует расстояния, учитывающие соседство значений. Эти меры становятся целью жадного реранжирования.

    Johannes Kepler University Linz, Albatross AI +1

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  201. 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 ↗

  202. Cross-Spectrum Candidate Set Analysis for Popularity-Aware Recommendation

    Работа сравнивает кандидатные множества голов с разным отношением к популярности. Все головы обслуживают каждого пользователя, позволяя измерить реальную комплементарность списков.

    Gyeongsang National University

    #Оценка и причинность#Объяснения и контроль

    Публикация конференцииZotero ↗

  203. Deadweight Loss in Recommendation Systems

    Приближённая Pareto-граница связывает пользовательскую и создательскую полезность. Гипотетические вставки оцениваются как потери относительно этой границы.

    Gyeongsang National University

    #Реклама и рекомендации#Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  204. Do SID Alignments Help Generative Recommendation? A Research and Practice Note on OpenOneRec Diagnostics

    Диагностика OpenOneRec проверяет соответствие SID языковым представлениям. Контролируемое сравнение меняет инициализацию кодов при одинаковой задаче SID-to-SID.

    Tsinghua University

    #Генеративные рекомендации#Языковые модели и агенты#Оценка и причинность

    Публикация конференцииZotero ↗

  205. Do Sequential Recommendation Benchmarks Really Require Higher-Order Sequence Modelling?

    Capacity probes намеренно ограничены суммой попарных свидетельств без взаимодействий высшего порядка. Их огибающая проверяет, требует ли бенчмарк сложного последовательного моделирования.

    Spotify

    #Оценка и причинность#Последовательные рекомендации

    Публикация конференцииZotero ↗

  206. 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 ↗

  207. Exploring Revealed Behavior and Stated Profiles in Longitudinal News Recommendation

    Продольный новостной эксперимент сравнивает поведение в меняющейся ленте с явно заявленными темами. Рандомизированный состав выдачи сопровождается повторными опросами.

    TU Wien, University of Bergen +1

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  208. How Faithful Is the Reasoning of LLM Recommenders? A Counterfactual Audit

    Контрфактический аудит меняет объясняющий текст при фиксированном запросе и кандидатах. Перефразирование и повтор исходного reasoning служат контролями изменения ранжирования.

    Microsoft

    #Оценка и причинность#Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  209. In-Batch Negatives Can Silently Cripple LLM-Encoded Sequential Recommenders

    Работа диагностирует обучение последовательного рекомендателя с замороженными языковыми признаками. Ограниченный in-batch негативный пул сравнивается с полным каталогом и изменением обработки представлений.

    —

    #Последовательные рекомендации#Языковые модели и агенты#Оценка и причинность

    Публикация конференцииZotero ↗

  210. Intent-Description Anchoring Bias in LLM-as-a-Judge Evaluation of Recommender Systems

    Один и тот же музыкальный список предъявляется судье под разными описаниями алгоритма. Слепое и информированное условия измеряют влияние заявленного намерения системы.

    Spotify

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  211. Monte Carlo Power Analysis for Small-System A/B Trials: Detecting Differences in Newsletter Engagement

    Иерархическая симуляция воспроизводит индивидуальную интенсивность кликов и избыток нулевых писем. Monte Carlo повторяет эксперимент и статистический вывод для оценки мощности.

    Drexel University, University of Minnesota +2

    #Оценка и причинность

    Публикация конференцииZotero ↗

  212. 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 ↗

  213. Music Discovery Quality and the Value of Familiarity

    Качество музыкального открытия определяется последующими завершёнными и повторными прослушиваниями. Признаки знакомости артиста объединяются с представлениями для прогноза исхода.

    Johannes Kepler University Linz, Loria +3

    #Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  214. PCP-Decoding: Training-Free Personalized Category-Relative Popularity Calibration for Generative Retrieval

    PCP-Decoding нормирует популярность внутри категорий и переносит её на префиксы дерева. Персональная поправка меняет beam search без переобучения генератора.

    Zhejiang University, JD.com

    #Объяснения и контроль#Генеративные рекомендации

    Публикация конференцииZotero ↗

  215. 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 ↗

  216. Personalized Fashion Discovery via Session Trajectories and Soft Negatives

    Сессионный запрос модной рекомендации обновляется понравившимися и отвергнутыми объектами. Временное затухание и ослабленные негативы сохраняют возможность смены интереса.

    TU Wien

    #Кросс-домен и мультимодальность#Объяснения и контроль

    Публикация конференцииZotero ↗

  217. Predicting Custom-Feed Returns for New Bluesky Posts: A Prospective Study

    Для нового поста гибридные каналы находят подходящие пользовательские ленты. Ранкер прогнозирует наблюдаемый возврат поста в будущих снимках выдачи.

    Northeastern University (Boston, USA)

    #Кросс-домен и мультимодальность#Оценка и причинность#Промышленные системы

    Публикация конференцииZotero ↗

  218. Repetition Is Not Enough: Evaluating Repeat Recommendations Through Utility and Timing

    Метрики повторной рекомендации учитывают последующее возвращение к товару. Временные веса различают уместность момента и скорость повторного потребления.

    Indian Institute of Management Visakhapatnam

    #Оценка и причинность

    Публикация конференцииZotero ↗

  219. Revisiting the Assumptions of Shared-Account Sequential Recommendation

    Истории разных пользователей объединяются по времени без удаления событий. Общие последовательные модели сравниваются на исходных и смешанных аккаунтах.

    Gyeongsang National University

    #Оценка и причинность#Последовательные рекомендации#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  220. SERA: A Multi-Dimensional Evaluation Framework for Retail Agentic Shopping Assistants

    SERA переводит продуктовые и нормативные требования торгового агента в отдельные рубрики. Языковой судья оценивает полезность, соблюдение ограничений и риски с учётом контекста.

    Target Inc.

    #Оценка и причинность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  221. Scaling Sequence Learning under Production Latency Constraints

    Граф последовательной модели разделяется по зависимости от пользователя и кандидата. Тяжёлые пользовательские сводки вычисляются общим запросным путём, а кандидатные взаимодействия остаются отдельно.

    Meta Platforms, Inc.

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  222. Should I Be Polite to My LLM Relevance Judge? Tone as a Severity Operating-Point Shift

    Неизменная рубрика релевантности оборачивается промптами разного тона. Перефразировки позволяют оценить сдвиг строгости языкового судьи.

    —

    #Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  223. Sparse Autoencoders as Semantic Domain Adapters for Recommender Systems

    Разреженный автоэнкодер адаптирует замороженные текстовые эмбеддинги через реконструкцию. Наиболее сильные координаты формируют нормированное представление без обучающих взаимодействий.

    Recombee, Charles University +2

    #Коллаборативные модели#Языковые модели и агенты

    Публикация конференцииZotero ↗

  224. The Illusion of Control: Commensurability, Concentration, and Correlation in Multi-Objective Recommendation

    Работа измеряет доминирование целей в смешанном top-k по пересечению с отдельными выдачами. Нормировка и декорреляция скоров проверяют сопоставимость управляющих весов.

    Charles University

    #Объяснения и контроль#Оценка и причинность

    Публикация конференцииZotero ↗

  225. Towards Dynamic Relationship Schema Discovery for Complementary News Recommendation

    DRSD предлагает языковой моделью новые отношения между новостями для трудных пар. Эксперты отношений сохраняются или удаляются по вкладу в валидационную потерю прогноза клика.

    MicroAd, Inc.

    #Языковые модели и агенты#Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  226. Training seeds and model-selection stability in recommender-system evaluation

    При фиксированных данных и гиперпараметрах варьируется сид обучения. Анализ разделяет изменение метрики, победителя и состава рекомендаций.

    Aalborg University, Johannes Kepler University Linz +1

    #Оценка и причинность

    Публикация конференцииZotero ↗

  227. What price fairness? Evaluating Energy – Fairness – Accuracy Trade-off in Recommender Systems

    Работа сравнивает fairness-вмешательства внутри обучения, графа и готового списка. Качество и распределение экспозиции оцениваются вместе с энергозатратами.

    Johannes Kepler University Linz, ISISTAN, CONICET-UNCPBA

    #Объяснения и контроль#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

  228. When Should Recommender Systems Not Act?

    Концептуальная рамка рассматривает обнаружение неуместного действия и выбор реакции системы. Воздержание, уточнение и изменение поведения связываются с последствиями ошибки.

    TU Wien, KTH Royal Institute of Technology +1

    #Объяснения и контроль#Языковые модели и агенты

    Публикация конференцииZotero ↗

  229. Whose Posts Get Ranked: Identical-Text Exposure Gaps in Bluesky Custom Feeds

    Естественные идентичные тексты разных авторов сравниваются в снимках одинаковой ленты. Фиксация текста и времени позволяет аудитировать разрывы ранговой видимости извне.

    Northeastern University (Boston, USA)

    #Оценка и причинность#Объяснения и контроль

    Публикация конференцииZotero ↗

  230. Why Do CF and Review Models Disagree? User-Specific Rating–Review Scale Gaps

    Рейтинговая и текстовая модели сравниваются на общих пользовательских данных. Индивидуальная шкала оценивания используется для анализа направления их расхождения.

    Gyeongsang National University

    #Оценка и причинность#Коллаборативные модели

    Публикация конференцииZotero ↗

  231. 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 ↗

  232. AutoRecLab: An Autonomous Recommender Systems Lab

    AutoRecLab переводит запрос в контракт эксперимента и генерирует код по документации библиотек. Статические и исполнительные проверки запускают цикл исправлений.

    University of Siegen, University of Göttingen

    #Языковые модели и агенты#Оценка и причинность

    Публикация конференцииZotero ↗

  233. COMPRESSO: Espresso-Style Sparse Representation Learning for Interpretable Recommender Systems

    COMPRESSO предоставляет интерфейсы обучения и применения разреженных автоэнкодеров. Каталожное обучение отделяется от кодирования новых объектов.

    Recombee, Charles University +2

    #Коллаборативные модели#Промышленные системы

    Публикация конференцииZotero ↗

  234. CORGI: Communal Feed Governance for Bluesky

    CORGI агрегирует голоса подписчиков в веса сигналов, тематические предпочтения и фильтры общей ленты. После административного утверждения политика применяется с сохранением версии и разложения оценок постов.

    University of Colorado Boulder

    #Объяснения и контроль#Промышленные системы

    Публикация конференцииZotero ↗

  235. Conversational Recommendation over Live E-Commerce Catalogues with Self-Refreshing Retrieval

    Система синхронизирует каталог по стабильным ID и раздельным полным и семантическим хешам. Только содержательные изменения требуют повторного обогащения и кодирования.

    Infobip

    #Промышленные системы#Языковые модели и агенты

    Публикация конференцииZotero ↗

  236. FINALLY: A Dataset Recommender for RecSys Experiments

    FINALLY дополняет обязательные датасеты при заданных ограничениях и размере итогового набора. Стратегии используют случайный выбор или разнообразие в пространстве результатов портфеля алгоритмов.

    University of Siegen, University of Antwerp

    #Оценка и причинность#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  237. Fusion AutoEncoder: Feature-Grounded Embeddings for Products with Mixed Structured Attributes

    Fusion AutoEncoder сохраняет типы категориальных, численных и многозначных полей. Маскированная реконструкция обучает компактное представление структурированного товара.

    MakeMyTrip Pvt Ltd

    #Коллаборативные модели#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  238. GroupRec: A Unified Toolkit for Reproducible and Inspectable Group Recommendation Research

    GroupRec объединяет правила агрегации персональных оценок и обучаемые групповые модели. Общий слой данных и оценки делает их доступными для сопоставимого исполнения.

    Charles University, University of Cagliari

    #Кросс-домен и мультимодальность#Оценка и причинность

    Публикация конференцииZotero ↗

  239. How Would You Like Your Recommendations? p-book, a Self-Recommending Living Book That Teaches How Recommender Systems Work

    P-book отделяет учебное понятие с фиксированным контрактом от вариантов его объяснения. Пользователь управляет формой подачи, а каталог может пополняться новыми версиями.

    Czech Technical University, AI detem non profit organization

    #Объяснения и контроль#Кросс-домен и мультимодальность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  240. Loom: LLM-Powered Naturally Embedded Recommendation

    Loom получает кандидатов от независимого retrieval и встраивает ссылку в текст статьи. Модуль генерации выбирает место и формулировку рекомендации.

    The World Bank

    #Реклама и рекомендации#Языковые модели и агенты#Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  241. Lumi: An LLM-Grounded System for Safety-Aware POI Recommendations

    Lumi передаёт языковой модели городской контекст и выбранную пользователем осторожность для поиска мест. Мобильный интерфейс показывает рекомендации с объяснениями после проверки структуры ответа.

    University of Haifa, University of Cagliari

    #Кросс-домен и мультимодальность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  242. Perseus: A Demo of Modular Personalization over Heterogeneous Event Sequences

    Perseus собирает разнородные события строго до заданной точки предсказания. Типизированные кодировки и общий Event Hub поддерживают переиспользуемый цикл обучения и выдачи.

    T-Tech, ITMO University +1

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  243. ReBait: From Clickbait to Informed Choice in Live News Recommendation Feeds

    ReBait обнаруживает новостные карточки браузерным расширением и классифицирует заголовки. Подсказки на этапе выбора добавляют контекст без замены ранжирования ленты.

    National Cheng Kung University

    #Объяснения и контроль#Языковые модели и агенты#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  244. 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 ↗

  245. SeqPack: Interactive Composable Sequence Compression for Real-time Recommender Systems

    SeqPack подбирает композиции кодеков для разных полей последовательности. Кодирование без потерь отделяется от квантования с потерями.

    Capital One

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  246. StreamlitRecommenders: Towards Recommendation Inspectability as a New Reproducibility Standard

    StreamlitRecommenders подключает готовые модели к общему интерактивному интерфейсу истории и выдач. Сравнение идёт в одном пользовательском контексте с изменением параметров и обратной связью.

    Charles University, Recombee

    #Оценка и причинность#Объяснения и контроль

    Публикация конференцииZotero ↗

  247. Tasteprint: Cross-Platform Recommendation Agent

    Tasteprint собирает разрешённую активность разных платформ через пользовательского агента. Наблюдения отделяются от предварительных гипотез профиля и дальнейшего рекомендательного решения.

    Nanjing University of Information Science and Technology, Nanyang Technological University +2

    #Языковые модели и агенты#Объяснения и контроль#Кросс-домен и мультимодальность

    Публикация конференцииZotero ↗

  248. ValueVet: Auditing Recommender Systems for Fairness and Value Alignment Using Constitutional AI Principles

    ValueVet превращает заданные принципы в критерии внешнего аудита. Парные сценарии меняют контролируемые пользовательские атрибуты для сравнения рекомендаций.

    University of Washington

    #Объяснения и контроль#Оценка и причинность#Языковые модели и агенты

    Публикация конференцииZotero ↗

  249. WiseFood: A Multi-Task Conversational Recommender for Trustworthy, Integrated, and Personalized Dietary Guidance

    WiseFood объединяет ответы о питании, адаптацию рецептов и планирование рациона через общую память. Происхождение источников и жёсткие ограничения отделяются от языковой генерации.

    ATHENA Research Center, Infili Technologies SA +1

    #Кросс-домен и мультимодальность#Языковые модели и агенты#Объяснения и контроль

    Публикация конференцииZotero ↗

  250. A Design-Space Approach to Robust Agentic Conversational Recommendation

    Диссертационная программа задаёт переключаемые оси представления предпочтений, инструментов и уточнений. Общий каркас нужен для контролируемых сравнений агентных решений.

    University of Pisa

    #Языковые модели и агенты#Оценка и причинность

    Докторантский симпозиумZotero ↗

  251. Aligning Algorithms with Axiology: Operationalizing Journalistic Values in News Recommender Systems

    Программа предлагает совместно с журналистами определить ценности новостного ранжирования. Предварительные качественные исследования должны перейти в технические критерии и полевой тест.

    University of Colorado Boulder

    #Объяснения и контроль#Кросс-домен и мультимодальность

    Докторантский симпозиумZotero ↗

  252. Discover Weakly No More: User-Centric Design Criteria for Discovery in Music Recommendation

    Программа исследования музыкальных открытий разделяет случайную встречу, обновление и обогащение опыта. Предварительная модель допускает разные сочетания условий, включая возвращение к давним вкусам.

    University of Oxford

    #Объяснения и контроль#Оценка и причинность#Кросс-домен и мультимодальность

    Докторантский симпозиумZotero ↗

  253. From Click Modeling to Offline and Off-Policy Evaluation in Carousel Recommendation

    Программа связывает eye-tracking и навигацию с моделью реально рассмотренного множества в карусели. На этой основе предлагается строить офлайн- и off-policy-оценивание.

    University of Amsterdam

    #Оценка и причинность#Кросс-домен и мультимодальность

    Докторантский симпозиумZotero ↗

  254. Human Value in Recommendations: Towards Improved Evaluation Measures

    Программа планирует собирать пользовательские оценки интереса, знакомости и ожидаемости объектов. Конструируемые по этой разметке списки должны помочь проверить человеческую ценность метрик.

    University of Waterloo

    #Оценка и причинность#Объяснения и контроль

    Докторантский симпозиумZotero ↗

  255. Teaching Recommenders to Listen: Bidirectional Natural-Language Control for Personalized News

    Программа новостного управления предлагает постоянную текстовую инструкцию для сборки коллекции поверх ранкера. Отдельный отчёт должен объяснять исполнение, ограничения и повод уточнить пожелание.

    University of Minnesota, Twin Cities

    #Объяснения и контроль#Языковые модели и агенты#Кросс-домен и мультимодальность

    Докторантский симпозиумZotero ↗

  256. Toward Human-Aligned Recommender Systems via Cognitive and Behavioral User Modeling

    Программа определяет когнитивные характеристики и способы их вычислительного представления. Вывод характеристик из поведения отделяется от проверки их полезности пользователю.

    Drexel University

    #Объяснения и контроль

    Докторантский симпозиумZotero ↗

  257. Transparency and Control for Provider-side Recommendation Interfaces

    Интервью с демонстрацией интерфейсов исследуют понимание аналитики создателями контента. Продольный аудит и совместное проектирование планируются как дальнейшие этапы.

    University of Colorado Boulder

    #Объяснения и контроль

    Докторантский симпозиумZotero ↗

  258. Unbiased Recommender Systems with Implicit Feedback

    Программа связывает контрольные функции позиции с коррекцией геометрии embeddings и графового распространения. Разные вмешательства рассматриваются как способы исправления неявной обратной связи.

    University of Illinois Chicago

    #Оценка и причинность#Коллаборативные модели

    Докторантский симпозиумZotero ↗

  259. What Reasoning Should a Recommender Have? Designing Reasoning for Inference-Time Scaling in Recommendation

    Программа разделяет состояние рассуждения и предсказывающие векторы интересов. Выполненная RecRec служит основой дальнейшего исследования inference-time вычислений.

    University of Glasgow

    #Последовательные рекомендации#Языковые модели и агенты

    Докторантский симпозиумZotero ↗

  260. Keeping the Index Open: The Recommendation-Side Cost of Shared Search and Recommendation

    RetrievalFormer используется как инструмент сравнения открытого общего индекса поиска и рекомендаций. Абляции исследуют цену совместимости относительно специализированных рецептов обучения.

    Amazon Web Services

    #Промышленные системы#Коллаборативные модели#Оценка и причинность

    ВоркшопZotero ↗

  261. Real-Time Hard Negative Sampling via LLM-based Clustering for Large-Scale Two-Tower Retrieval

    Cluster GOOBS поддерживает ограниченный свежий пул негативов вне батча. Сегментация по смысловым кластерам позволяет выбирать трудные примеры рядом с позитивом.

    Meta Platforms, Inc.

    #Промышленные системы#Языковые модели и агенты

    ВоркшопZotero ↗

  262. Multi-Modal Semantic Expansion with Constrained LLM Reranking for Conversational Music Recommendation

    Челлендж-система объединяет лексический и мультимодальный музыкальный retrieval. Ограниченный языковой реранкер уточняет кандидатов с учётом доступной истории сессии.

    National Institute of Technology Kurukshetra, Queen Mary University of London

    #Кросс-домен и мультимодальность#Языковые модели и агенты

    Отчёт челленджаZotero ↗

  263. Cognitive Biases in Recommender Systems — материалы COBIS RecSys 2026

    Материалы COBIS связывают психологические механизмы с поведением рекомендательных систем. Слайды и практикум показывают, как отделять гипотезу об искажении от измерения алгоритма.

    Johannes Kepler University Linz, Linz Institute of Technology

    #Объяснения и контроль#Оценка и причинность

    Материалы tutorialZotero ↗

  264. End-to-End User and Item Embeddings: Specializing Retrieval Representations for Ranking

    Пользовательское состояние замороженного последовательного retrieval добавляется к признакам ранкера. Такой дизайн проверяет перенос полезного сигнала без адаптации самого энкодера.

    Amazon Music

    #Промышленные системы#Последовательные рекомендации

    Публикация конференцииZotero ↗

  265. Reward Optimizing Recommender Systems

    План tutorial противопоставляет агрегатные A/B-сравнения моделированию пользовательских реакций на действия. Обсуждается, какие предпосылки нужны оптимизации награды по наблюдениям.

    Criteo AI Lab

    #Оценка и причинность#Промышленные системы

    Аннотация tutorialZotero ↗

  266. Cognitive Biases in Recommender Systems

    План COBIS сопоставляет когнитивные эвристики с позиционными и популярностными смещениями. Темы связывают решения человека с проектированием и оценкой рекомендателей.

    Johannes Kepler University Linz, Linz Institute of Technology +2

    #Объяснения и контроль#Оценка и причинность

    Аннотация tutorialZotero ↗

  267. Calibrating Reproduced Claims in Recommender Systems

    Работа сопоставляет исходное утверждение с тем, что фактически поддерживает воспроизведение. Условия, непроверенные части и несопоставимые результаты фиксируются отдельно.

    University of Gothenburg

    #Оценка и причинность

    ВоркшопZotero ↗

  268. 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 ↗

  269. Timing-Aware Repurchase Prediction for Web-Scale E-Commerce: Survival Models for Multi-Surface Grocery Recommendation

    Повторная покупка моделируется как время до события с учётом цензурирования. Survival-цели сравниваются при общих признаках и базовой архитектуре.

    Walmart Global Tech

    #Кросс-домен и мультимодальность#Промышленные системы#Оценка и причинность

    Публикация конференцииZotero ↗

RecSys2026

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