标签
这篇学术论文识别并表征了行为曲线建模中的辛普森悖论，展示了由于生存偏差，聚合如何系统性地扭曲对用户动态的参数估计。作者们在 Goodreads 和 Amazon Electronics 等数据集上验证了这种失真，并提出了分层峰值估计方法来缓解这一问题。
本文探讨了为规范 AI 代理推荐系统而制定开源标准的必要性，并提出了一种混合模式：核心透明度功能保持开放，而商业运营部分继续存在。文章质疑如何防止单一平台垄断，并通过平衡的治理机制确保信任。
文章探讨了AI代理沦为类似垃圾邮件的产品推荐渠道的风险，并研究了潜在的治理机制，如质量评级和透明度要求，以防止生态系统被低质量或欺骗性内容污染。
本文探讨了为 AI Agent 的推荐功能建立统一标准和协议的必要性，旨在防止激励机制的碎片化和不透明，并确保 Agent 在推荐产品或服务时的透明度。
Ewin Tang 为推荐系统开发了一种突破性的经典算法，其性能与量子算法相当，挑战了关于量子优势的假设。因其在连接经典计算与量子计算领域的贡献，她荣获2025年玛丽亚·米尔扎哈尼新前沿奖。
文章讨论了在提供商业推荐的AI代理中维持用户信任的挑战，强调了透明度和责任标准的缺失。它呼吁开发者就如何实现可靠且透明的推荐机制提供反馈。
LoopCTR 将“循环扩展”引入推荐模型，通过基于 MoE 的专家融合与超连接残差，在提升 CTR 预测效果的同时实现 train-deep/infer-shallow 部署，满足低延迟在线服务需求。
本文对 OpenAI、Anthropic 和 Google 的基于 LLM 的内容策展推荐偏差进行了大规模审计，使用了来自 Twitter/X、Bluesky 和 Reddit 数据的 540,000 次模拟选择。研究发现 LLM 系统性地放大极化现象，在毒性处理方面表现出不同的权衡，并显示出显著的政治倾向偏差，倾向于左倾作者，尽管数据集中右倾作者占多数。