标签
本文提出 DeFiRank，一个基于联邦学习的成对排序框架，使多家金融机构在不共享私有交易数据的情况下协作训练治理排序模型，在真实区块链数据上接近集中式基线的排序性能，同时保障数据隐私。
本文提出在可解释推荐系统中将生成与选择分离，以降低服务成本，使用冻结的候选解释池和一个小型CPU常驻选择器。它对离线池选择器进行基准测试，发现成对学习排序在F1分数上优于单动作强化学习公式，如PPO、GRPO和DPO。
提出将成对排名提示（PRP）重排序重新构建为从噪声成对比较中进行主动学习，在预算约束下提高每次调用的NDCG@10，并引入一种随机方向预言机，减少每对所需的LLM调用次数。
本文将有对排名提示（PRP）重新定义为从噪声比较中进行主动学习，引入了一个具有随机方向预测器的噪声鲁棒框架，以在调用约束下提高排名质量并解决位置偏差问题。