提出QD-Rec：质量—多样性进化用于开放式推荐

Takashi Ishida、Taro Makino 和 Issa Sugiura 在 arXiv 发布 QD-Rec，一种用于开放式推荐的质量—多样性方法：用上下文 bandit 选择候选项，并用基础模型从归档中保存的早期方案生成关于选择理由的新假设，作为进一步探索的跳板。 作者称，在并购、客户定向、论文与图书推荐任务上，QD-Rec 在多数设置中获得最高的平均质量，并构建出最大的归档。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。