semantic-id

本文探讨了在生成式推荐器中使用模型的语义ID层次结构进行离线策略评估，表明在生产日志约束下，通过粗化到代码前缀聚类可以提高估计精度。

PRQ-KMeans是一种事后分词方法，通过移除全局均值成分、优化质心并使用投影残差来改进语义ID的残差量化，在工业搜索和公开推荐基准测试中实现了显著的性能提升。

本文提出DASO，一种针对生成式推荐的树感知后训练方法，通过分析rollout组并根据前缀匹配深度重新分配，解决GRPO中的难度不匹配问题，在公开基准测试中提升性能。