Amazon（亚马逊）

Aligning Recommendations with User Popularity Preferences

对齐推荐与用户流行偏好

Mona Schirmer, Anton Thielmann, Pola Schwöbel, Thomas Martynec, Giuseppe Di Benedetto, Ben London, Yannik Stein

机构 * University of Amsterdam（阿姆斯特丹大学） ； Amazon Music（亚马逊音乐） 纠错

AI总结 本文研究推荐系统中的流行偏差问题，提出基于激活引导的SPREE方法，通过量化用户历史流行偏好与推荐流行度的不匹配，提升用户层面的推荐对齐性。

Comments Accepted at FAccT 2026

When Career Data Runs Out: Structured Feature Engineering and Signal Limits for Founder Success Prediction

当职业数据耗尽时：创始人成功预测的结构化特征工程与信号限制

Yagiz Ihlamur

机构 * Amazon（亚马逊） 纠错

AI总结 本文通过结构化特征工程和确定性规则层结合XGBoost提升的决策树，提升创始人成功预测性能，发现LLM特征在信息增益上有限，揭示数据集信息含量的上限。

Comments 4 pages, 4 tables. Accepted at SecureFinAI Contest @ IEEE IDS 2026. Code: https://github.com/ihlamury/vcbench

Generalizable Dense Reward for Long-Horizon Robotic Tasks

可泛化的密集奖励用于长周期机器人任务

Silong Yong, Stephen Sheng, Carl Qi, Xiaojie Wang, Evan Sheehan, Anurag Shivaprasad, Yaqi Xie, Katia Sycara, Yesh Dattatreya

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon Robotics（亚马逊机器人） ； UT Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出VLLR框架，结合外部奖励和内部奖励提升长周期机器人任务性能，通过任务分解和自信心引导实现无需人工奖励工程的高效训练。

Comments Project page: https://silongyong.github.io/vllr_project_page/

Scalable Identification and Prioritization of Requisition-Specific Personal Competencies Using Large Language Models

基于大语言模型的可扩展需求特定个人能力识别与优先级排序

Wanxin Li, Denver McNeney, Nivedita Prabhu, Charlene Zhang, Renee Barr, Matthew Kitching, Khanh Dao Duc, Anthony S. Boyce

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Amazon（亚马逊） 纠错

AI总结 本文提出利用大语言模型识别和优先级排序特定需求的个人能力，通过动态少样本提示、反思式自我改进、相似性过滤和多阶段验证，实现高准确率和低误检率。