标签
Elon Musk转发了Keith Coleman对一个算法的解释，他用一个适合五岁小孩的简单类比，将其比作一个智能机器人为信息流选择玩具。
本文介绍了知识-几何解耦（KGD），一种用于流式推荐系统中预训练-迁移的方法。它将预训练的行为知识与任务特定的几何结构分离，使得模型能够持续刷新而互不干扰，并报告相比基线提升4%-12%，且已在Shopee成功部署。
一篇观点文章，认为“个性化”推荐并非真正针对个人，而是基于行为聚类；同时，将同一套架构不加区分地应用于不同产品类别，是一种懒惰的AI设计。
本综述从专门的GNN视角全面回顾了基于GNN的链接预测，按技术（GCN、GAE、GAT、GFormer）和应用（知识图谱、推荐系统）对近期进展进行分类，并讨论了挑战与未来方向。
本文研究了为用户提供政治新闻推荐系统的透明度和控制权如何影响过滤气泡。一项用户研究发现，增强的界面提高了对过滤气泡的认识，但对新闻消费多样性产生了异质效应。
本文提出了一种可复现的流水线，利用轻量级LLM从对话数据中提取结构化用户偏好三元组，用于个人知识图谱构建，并评估其在推荐系统中的下游效用。
本文提出了一项研究，考察AI讨论中拟人化语言对公众看法的影响，发现虽然整体观点可能发生变化，但在受控环境下，拟人化框架的具体影响较为有限。
文章认为，在通过支付层将AI智能体商业化之前，必须先建立信任层，以确保推荐和交易的透明度和可靠性。
本文讨论了AI代理如何改变商业发现方式，超越传统搜索广告界面，融入对话、推荐和工具调用，需要新的基础设施用于追踪和归因。
本文提出了一种上下文多臂赌博机框架，该框架学习社交网络中的个体溢出概率，以优化激励式口碑营销，通过定向关联用户实现更高的回报。
本文将嵌入模型路由形式化为具有低秩专家的对抗性上下文线性赌博机，提出了Hypentropy策略梯度（HPG）算法，该算法实现了O~(s√(MT))的策略遗憾，避免了维度灾难。
本文提出Representation Curriculum (RC)，一种训练时干预方法，通过分阶段利用特征来减少对曝光混杂历史信号的过度依赖，并改善排序系统中的冷启动泛化能力。该方法经过了理论分析，并在公开基准和大规模eBay搜索实验中得到了验证。
本文研究了在用户行为序列上训练的行为基础模型的缩放定律，发现小的事件嵌入器是计算最优的，并且评估指标本身会影响最优计算分配。
本文对用户与AI驱动推荐系统之间的交互进行建模，分析不同采样策略下通信量与推荐集规模的最优配置，以最大化期望效用。
探讨AI智能体能否从被拒绝的推荐中学习，同时不损害用户隐私，也不过度个性化地适应个体独特的过去行为。
讨论了AI代理在从多个信息来源推荐产品时面临的挑战，每个来源都有其自身的偏见和局限性，并质疑如何设计一个信任层以实现可靠推荐。
一位软件工程师询问如何为没有行为数据的新用户引导个性化推荐，讨论内容推荐中的冷启动问题。
本文探讨了当AI代理提供错误建议时谁应该负责的问题，考虑了开发者、模型提供商、数据供应商、平台和用户的作用，并提出了构建可信代理生态系统的关键问题。