К содержанию
Олег НагорныйRecSys2026
← Все темы

НаправлениеPROD

Промышленное ранжирование и стоимость

Выигрыш в проде чаще даёт согласованность компонентов: отбор кандидатов, цели, частота обновления и бюджет вычислений должны сходиться вместе.

133 материалов с этим тегом · 57 с этой темой в качестве главной · в каталоге →

  1. 01

    Хороший shortlist сохраняет возможности следующей стадии

    Support Gap оценивает запас персонализации внутри пула, CAPTS выбирает события по полезности извлекаемых соседей, а MoR распределяет бюджет между каналами. Cascade Reward связывает качество предварительного отбора с пересечением выдачи основного ранкера. Их общая идея не сводится к recall позитива: кандидатный набор должен позволять downstream-компоненту различать предпочтения. Но witness-оценки и replay будущего поведения не являются причинной полезностью сами по себе.

  2. 02

    Экономия модели может просто перенести работу в другое место

    Mosaic выносит тяжёлое user modeling в upstream-специалистов, request-only scaling переиспользует пользовательские вычисления между кандидатами, а late materialization сокращает хранение историй за счёт восстановления при обучении. SeqPack уменьшает байты, не решая, какие события нужны модели. Сравнивать следует весь жизненный цикл: кэши, чтение, версии и обновления могут определять реальную стоимость сильнее FLOPs отдельного блока. Гибридные item embeddings распределяют память между отдельными векторами популярных объектов и сжатым хвостом, а Scikit-Rank сокращает категориальные параметры множественным хешированием. Оба случая требуют отделять число параметров от памяти индекса и скорости выдачи. Ранкер Taobao использует низкоранговые эксперты именно ради допустимой конфигурации обслуживания: лучший офлайн-вариант и проверенный онлайн-вариант не совпадают.

  3. 03

    Многозадачность начинается с семантики меток

    CoreAtt регулирует перенос представлений к основной задаче, cross-task heads учатся на сочетаниях событий, а Twitch разделяет свежий плотный сигнал и глубокие отложенные действия. Value-Aligned Modeling дополнительно привязывает цель к экономическому смыслу. Это разные способы исправить конфликт supervision; общий backbone не делает задачи родственными, а изменение reward-политики одновременно с моделью мешает приписать онлайн-эффект только более точным головам. Квантильный ранкер YouTube добавляет к медиане бонус за ширину распределения награды, но отключает этот бонус на телевизорах в выбранной политике. Более сильное исследование может повышать открытие нового контента и одновременно ухудшать защитную метрику. MAMGR даёт ещё один раздельный компромисс: меньшая загрузка процессорных ресурсов не означает меньшую среднюю задержку.

Работы по теме

  1. 001

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

    #Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  2. 003

    Adaptive Retraining of Recommender Systems via Reinforcement Learning

    #Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  3. 005

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

    #История, время и последовательности#Промышленное ранжирование и стоимость
  4. 010

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

    #История, время и последовательности#Промышленное ранжирование и стоимость
  5. 014

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

    #Домены, группы и мультимодальные задачи#Промышленное ранжирование и стоимость
  6. 015

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

    #История, время и последовательности#Промышленное ранжирование и стоимость
  7. 018

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

    #Контроль, объяснения и интересы участников#Промышленное ранжирование и стоимость
  8. 019

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

    #Контроль, объяснения и интересы участников#Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  9. 020

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

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Языковые модели, диалог и агенты#Домены, группы и мультимодальные задачи
  10. 032

    Hamiltonian Spectral-Temporal Dissipative Dynamics for Sequential Recommendation

    #История, время и последовательности#Промышленное ранжирование и стоимость
  11. 035

    Information-Aware Long Sequence Compression for Sequential Recommendation

    #История, время и последовательности#Промышленное ранжирование и стоимость
  12. 037

    Learning Sparse Representations of Multimodal Content for Enhanced Cold Item Recommendation

    #Домены, группы и мультимодальные задачи#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  13. 042

    On Reranking Space for Multi-Tenant Retrieval with Adapted Queries

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
  14. 044

    Probabilistic Residual Learning for Online Recommendations

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Оценка, причинность и достоверность вывода
  15. 048

    SAGE: Sequence-level Adaptive Gradient Evolution for Generative Recommendation

    #Генерация и семантические коды#Промышленное ранжирование и стоимость
  16. 049

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

    #Промышленное ранжирование и стоимость#Языковые модели, диалог и агенты
  17. 052

    Stabilizing Stability and Plasticity in Graph-based Continual Recommender System

    #Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость
  18. 055

    TSMOO: Solving Multi-Objective Experimentation with Constrained Thompson Sampling

    #Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  19. 056

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

    #История, время и последовательности#Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  20. 061

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

    #Генерация и семантические коды#Промышленное ранжирование и стоимость
  21. 064

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

    #История, время и последовательности#Промышленное ранжирование и стоимость
  22. 065

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

    #Реклама и рекомендации#Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  23. 069

    Candidate Retrieval for Provider Fairness under Severe Recommendation Imbalance

    #Контроль, объяснения и интересы участников#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  24. 072

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

    #Промышленное ранжирование и стоимость#История, время и последовательности
  25. 076

    GradSup: Gradient Superposition for Personalised and Scalable LLM Recommendation

    #Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость
  26. 077

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

    #Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  27. 078

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

    #Реклама и рекомендации#Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  28. 083

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

    #Реклама и рекомендации#Контроль, объяснения и интересы участников#Промышленное ранжирование и стоимость
  29. 085

    Scaling LLM-Enhanced Linear Autoencoders to Industrial-Size Catalogs

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты
  30. 087

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

    #Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  31. 089

    Towards Efficient Hyperbolic Representation Learning for Recommender Systems

    #Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  32. 092

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

    #Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  33. 093

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

    #Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость#Контроль, объяснения и интересы участников
  34. 097

    EachMovie: archaeology of a first latent recommender system

    #Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  35. 100

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

    #Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость#Контроль, объяснения и интересы участников
  36. 111

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

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Контроль, объяснения и интересы участников
  37. 113

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

    #Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода#Языковые модели, диалог и агенты
  38. 115

    WatchLens: A Configurable Platform for Online Video Recommendation Experiments

    #Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  39. 117

    A Framework for Value-Aligned Modeling and Robust Experimentation

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  40. 118

    A Self-Triggered Agentic Push Recommendation System

    #Промышленное ранжирование и стоимость#История, время и последовательности
  41. 119

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

    #Генерация и семантические коды#Промышленное ранжирование и стоимость#История, время и последовательности
  42. 121

    Alignment + Accuracy: The Cascade Reward Representation for Preranking

    #Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  43. 122

    Attending to the Core: Core-Task Attention for Recommendation

    #Промышленное ранжирование и стоимость
  44. 123

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

    #Языковые модели, диалог и агенты#Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  45. 124

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

    #Промышленное ранжирование и стоимость#Контроль, объяснения и интересы участников#Домены, группы и мультимодальные задачи
  46. 125

    Building a User Foundation Model for the Open Web

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#История, время и последовательности
  47. 126

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

    #Промышленное ранжирование и стоимость#История, время и последовательности
  48. 127

    ConAlign: Conditional Alignment Framework for Balancing Biased and Unbiased Recommendation

    #Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  49. 128

    DART - Drift Aware Ranking with forecasTing and uncertainty

    #Промышленное ранжирование и стоимость#История, время и последовательности
  50. 129

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

    #Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи#История, время и последовательности
  51. 130

    EGR: Embedding-Native Generative Retrieval with a Shared LLM

    #Языковые модели, диалог и агенты#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  52. 131

    Embedding Subspace Partitioning for Dynamic Multi-Objective Retrieval

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
  53. 132

    Entity Representation Learning Through Onsite-Offsite Graph for Pinterest Ads

    #Реклама и рекомендации#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  54. 133

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

    #Промышленное ранжирование и стоимость#Генерация и семантические коды#Домены, группы и мультимодальные задачи
  55. 134

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

    #Реклама и рекомендации#Промышленное ранжирование и стоимость
  56. 135

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

    #Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  57. 136

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

    #Промышленное ранжирование и стоимость#История, время и последовательности
  58. 137

    Generative Spatiotemporal Intent Sequence Recommendation via Implicit Reasoning in Amap

    #Языковые модели, диалог и агенты#Домены, группы и мультимодальные задачи#Промышленное ранжирование и стоимость
  59. 138

    GRIP: Generation and Reasoning for User Profile Completion

    #Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость
  60. 139

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

    #Генерация и семантические коды#Промышленное ранжирование и стоимость
  61. 141

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

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#История, время и последовательности
  62. 142

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

    #Промышленное ранжирование и стоимость
  63. 143

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

    #Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  64. 144

    Hypothesis-Driven Shelf Generation for Personalised Recommendation

    #Языковые модели, диалог и агенты#Генерация и семантические коды#Промышленное ранжирование и стоимость
  65. 145

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

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Языковые модели, диалог и агенты#Домены, группы и мультимодальные задачи
  66. 146

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

    #Промышленное ранжирование и стоимость#История, время и последовательности#Коллаборативность и геометрия представлений
  67. 148

    LLM-Based Re-Ranking for Real Estate Search

    #Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  68. 149

    LLM-Based User Personas for Recommendations at Scale

    #Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость
  69. 150

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

    #Реклама и рекомендации#Промышленное ранжирование и стоимость
  70. 151

    Learned Cross-Task Relationships in Multi-Task Models

    #Промышленное ранжирование и стоимость
  71. 152

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

    #Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  72. 153

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

    #Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  73. 154

    MDGR: Masked Diffusion Generative Recommendation

    #Генерация и семантические коды#Промышленное ранжирование и стоимость
  74. 155

    MESH: Scaling Up Retrieval with Heterogeneous Content Unification

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
  75. 156

    Melo: A Production LLM-Powered Music Recommendation Agent

    #Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  76. 157

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

    #Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  77. 158

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

    #Промышленное ранжирование и стоимость
  78. 159

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

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
  79. 160

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

    #Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  80. 161

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

    #Промышленное ранжирование и стоимость
  81. 162

    Multilingual Semantic Retrieval for Apple Music Search

    #Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи#Языковые модели, диалог и агенты
  82. 163

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

    #Генерация и семантические коды#Промышленное ранжирование и стоимость
  83. 164

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

    #Генерация и семантические коды#Промышленное ранжирование и стоимость
  84. 165

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

    #История, время и последовательности#Промышленное ранжирование и стоимость
  85. 166

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

    #Генерация и семантические коды#Промышленное ранжирование и стоимость
  86. 167

    Personalizing Incremental Video Search with Hybrid Text and ID Embeddings

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Языковые модели, диалог и агенты
  87. 168

    PinDCO: Whole-Page Aware Dynamic Creative Optimization at Scale

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  88. 169

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

    #Промышленное ранжирование и стоимость#История, время и последовательности
  89. 170

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

    #Языковые модели, диалог и агенты#История, время и последовательности#Промышленное ранжирование и стоимость
  90. 171

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

    #Промышленное ранжирование и стоимость#Контроль, объяснения и интересы участников
  91. 172

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

    #Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  92. 173

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

    #Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость
  93. 174

    SMART: LLM-Augmented Hybrid Retrieval for Dynamic Product Ads

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Языковые модели, диалог и агенты
  94. 175

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

    #Промышленное ранжирование и стоимость#Генерация и семантические коды#История, время и последовательности
  95. 176

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

    #Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость
  96. 177

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

    #История, время и последовательности#Промышленное ранжирование и стоимость
  97. 178

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

    #Контроль, объяснения и интересы участников#Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость
  98. 179

    Soft Curriculum Learning for Optimizing Fresh and Generalized Recommendations

    #Промышленное ранжирование и стоимость#История, время и последовательности
  99. 180

    Space Efficient Item Embeddings for Large Recommender Systems

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Контроль, объяснения и интересы участников
  100. 182

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

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений
  101. 183

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

    #Реклама и рекомендации#Промышленное ранжирование и стоимость#Домены, группы и мультимодальные задачи
  102. 184

    Token Factory: Efficiently Integrating Diverse Signals into Large Recommendation Models

    #Промышленное ранжирование и стоимость#История, время и последовательности
  103. 185

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

    #Промышленное ранжирование и стоимость#Генерация и семантические коды
  104. 186

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

    #Домены, группы и мультимодальные задачи#Промышленное ранжирование и стоимость
  105. 187

    Towards Generalizable and Efficient Large-Scale Generative Recommenders

    #Генерация и семантические коды#Промышленное ранжирование и стоимость#История, время и последовательности
  106. 188

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

    #Оценка, причинность и достоверность вывода#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  107. 189

    TransAct V2: Lifelong User Action Sequence Modeling on Pinterest Recommendation

    #История, время и последовательности#Промышленное ранжирование и стоимость
  108. 190

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

    #Промышленное ранжирование и стоимость#История, время и последовательности#Языковые модели, диалог и агенты
  109. 191

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

    #Генерация и семантические коды#Промышленное ранжирование и стоимость
  110. 192

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

    #Промышленное ранжирование и стоимость#Контроль, объяснения и интересы участников#Оценка, причинность и достоверность вывода
  111. 193

    UniPinRec: Unifying Generative Retrieval and Ranking at Pinterest Scale

    #Промышленное ранжирование и стоимость#Генерация и семантические коды#История, время и последовательности
  112. 194

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

    #Домены, группы и мультимодальные задачи#Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  113. 195

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

    #Реклама и рекомендации#История, время и последовательности#Домены, группы и мультимодальные задачи#Промышленное ранжирование и стоимость
  114. 196

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

    #Промышленное ранжирование и стоимость#История, время и последовательности
  115. 197

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

    #Промышленное ранжирование и стоимость#История, время и последовательности
  116. 198

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

    #Языковые модели, диалог и агенты#Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  117. 201

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

    #Генерация и семантические коды#Промышленное ранжирование и стоимость
  118. 215

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

    #Контроль, объяснения и интересы участников#Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  119. 217

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

    #Домены, группы и мультимодальные задачи#Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  120. 221

    Scaling Sequence Learning under Production Latency Constraints

    #Промышленное ранжирование и стоимость#История, время и последовательности
  121. 227

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

    #Контроль, объяснения и интересы участников#Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  122. 233

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

    #Коллаборативность и геометрия представлений#Промышленное ранжирование и стоимость
  123. 234

    CORGI: Communal Feed Governance for Bluesky

    #Контроль, объяснения и интересы участников#Промышленное ранжирование и стоимость
  124. 235

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

    #Промышленное ранжирование и стоимость#Языковые модели, диалог и агенты
  125. 242

    Perseus: A Demo of Modular Personalization over Heterogeneous Event Sequences

    #Промышленное ранжирование и стоимость#История, время и последовательности
  126. 244

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

    #Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
  127. 245

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

    #Промышленное ранжирование и стоимость#История, время и последовательности
  128. 260

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

    #Промышленное ранжирование и стоимость#Коллаборативность и геометрия представлений#Оценка, причинность и достоверность вывода
  129. 261

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

    #Промышленное ранжирование и стоимость#Языковые модели, диалог и агенты
  130. 264

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

    #Промышленное ранжирование и стоимость#История, время и последовательности
  131. 265

    Reward Optimizing Recommender Systems

    #Оценка, причинность и достоверность вывода#Промышленное ранжирование и стоимость
  132. 268

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

    #Промышленное ранжирование и стоимость
  133. 269

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

    #Домены, группы и мультимодальные задачи#Промышленное ранжирование и стоимость#Оценка, причинность и достоверность вывода
RecSys2026

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