本文为「机器之心 Pro 2024 Week 15 业内通讯」摘抄整理

Meta 论文《Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations》阅读整理

本文摘抄整理自《Do Generated Data Always Help Contrastive Learning？》

本文整理了结合了基础模型的推荐系统的发展情况

本文为「机器之心 Pro 2024 Week 13 业内通讯」摘抄整理

本文整理了近年来推荐系统领域的总体发展趋势

本文为「机器之心 Pro 2024 Week 11 业内通讯」摘抄整理

本文为「机器之心 Pro 2024 Week 10 业内通讯」摘抄整理

A brief introduction of Data Augmentation with Generative AI

这篇论文提出了一种新的联邦推荐算法 FedRAP。FedRAP 在联邦学习框架中同时针对用户信息和项目信息实施双边个性化策略，以此来增强推荐系统在隐私保护和个性化推荐方面的表现。它通过逐步提高正则化权重，平滑地从全面个性化过渡到加性个性化。同时，FedRAP 还引入了对全局项目嵌入进行稀疏化处理的策略，有效降低了通信开销。

本文为「机器之心 Pro 2024 Week 08 业内通讯」摘抄整理

以下内容摘抄自《机器之心 PRO 会员 2024 业内通讯 WEEK 05》