QD-Rec：质量-多样性方法用于开放式推荐
热点事件持续更新
QD-Rec：质量-多样性方法用于开放式推荐
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Takashi Ishida 等作者提出 QD-Rec，一种将质量-多样性搜索与基础模型结合用于决策推荐的方法：用上下文 bandit 选择条目，由基础模型基于存档中的早期假设生成新假设，新推荐只有在新颖或优于最近邻时才进入存档。 在并购（M&A）、客户定向以及论文与书籍推荐任务中，作者报告 QD-Rec 在多数设置下取得最高平均质量，并构建出最大的存档。
AI 根据报道生成 · 52 分钟前更新
最新进展10月19日 12:00
QD-Rec：用质量-多样性方法实现推荐的开放式进化报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv cs.AIQD-Rec：用质量-多样性方法实现推荐的开放式进化
QD-Rec 是一种质量-多样性方法，将开放式搜索与基础模型结合用于决策推荐，通过上下文 bandit 选择条目、由基础模型基于存档中的早期假设生成新假设，新推荐若新颖或优于最近邻才进入存档。在 M&A、客户定向以及论文与书籍推荐任务中，QD-Rec 在多数设置下取得最高平均质量并构建最大存档。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。