personalized-recommendation

FeLiX是一个新的联邦学习编排框架，通过处理临时客户端可用性、动态数据异质性和结果延迟，优化实时交互流上的目标准确率时间。它引入了流感知可用性层级、新鲜效用选择和延迟鲁棒聚合，与最先进的基线相比，将挂钟时间减少了最多2.37倍，通信带宽减少了1.30倍。

本文提出ARS，一种记忆增强的智能推荐系统，将推荐视为部分可观测问题，并采用分层信念状态记忆结构。它在四个基准上取得了最先进的性能，相比基线有显著提升。

丝芙兰通过与OpenAI合作，在网站和ChatGPT中部署AI购物助手，将转化率提升超过5%，并分享了引导式体验、透明推荐和持续测试学习三项关键经验。