推荐系统递归自我改进研究提出跨代状态保留与CGA评估方法

研究提出面向推荐系统递归自我改进的状态保留方法，用跨代优势（CGA）衡量不同代模型组合中的互补排序决策，并设计无需标签的排序分离统计量选择应保留的模型族。基于论文摘要，在4个数据集和3种顺序推荐编码器上，该方法在12/12个首次更新设置和5/6个二次更新设置中选出更强模型族，且在34/36条留出测试轨迹中超过直接后继模型；研究代码已公开于GitHub。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。