№ 001Публикация конференцииРазбор

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.