研究：漏召目标训练中的概率竞争拖累推荐效果

一项 arXiv 论文研究生成式推荐中“漏召目标”的训练处理：生成式推荐器只返回有限候选集，可能在重排序前遗漏已观测目标，而把漏召目标追加到重排序训练列表，会同时改变已检索目标的权重、引入追加目标的监督，并让两组目标竞争概率。作者 Xuesi Wang 等人用三个匹配损失把这三个因素分开，实验显示移除两组目标间的概率竞争后，在四项 Amazon Video Games 对比中 FT-NDCG 提升 7.8–22.2%。 研究据此提出，候选补全应针对生成器逐一评估，而非自动套用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。