هوش مصنوعی
پژوهش arXiv راهی برای ترکیب زمینهٔ کلی و ترجیح شخصی در پیشنهادهای مولد بررسی می‌کند
مقاله‌ای پیش‌چاپ، دو چالش در پیشنهاددهی مولد مبتنی بر شناسه‌های معنایی را مطرح می‌کند: هماهنگ‌کردن رفتارهای بلندمدت و اخیر کاربر، و شخصی‌سازی تصمیم‌های مرحله‌ای مدل.
پژوهشگران در پیش‌چاپی در arXiv با عنوان «Think Globally, Generate Personally» به محدودیت‌های روش‌های پیشنهاددهی مولد مبتنی بر Semantic ID (SID) پرداخته‌اند. در این روش‌ها، هر آیتم با دنباله‌ای از توکن‌های گسسته نمایش داده می‌شود و مدل با تولید خودبازگشتی توکن‌های SID، آیتم بعدی را پیش‌بینی می‌کند.
چکیدهٔ مقاله دو مسئله را برجسته می‌کند. رفتارهای کاملِ گذشته و رفتارهای اخیر کاربر، شواهدی هم‌پوشان اما مکمل فراهم می‌کنند؛ بااین‌حال، ترکیب آن‌ها در یک دنباله ممکن است نشانه‌های تازه را کم‌رنگ کند و پردازش در دو جریان جداگانه نیز ممکن است هماهنگی کافی میانشان ایجاد نکند. همچنین، هرچند حالت‌های decoder با تولید هر پیشوند تغییر می‌کنند، روش‌های موجود معمولاً در نمونه‌های مختلف توصیه از یک تبدیل مشترک در سمت خروجی استفاده می‌کنند و به گفتهٔ چکیده، سازگاری شخصی‌سازی‌شدهٔ کافی در تصمیم‌های تدریجی SID ندارند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده