研究比较扩散LLM三种置换生成参数化在推荐重排序上的表现

1. 12:00
   arXiv · cs.AI

   探索排列扩散语言模型的设计空间：三种参数化方法的推荐重排序比较

   研究比较了三种用于候选与输出位置全局一对一分配的扩散语言模型参数化：硬分配、软分配和直接预测排序分数后排序。基于论文摘要，作者在三个Amazon领域的推荐重排序任务上，以候选集合大小10和20进行评估；一次函数评估时，硬分配和软分配的Recall@1与受约束掩码扩散基线相当，直接排序分数方法则无需Hungarian分配或Sinkhorn归一化即可保证有效排列。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。