Meta

Skaling: Chinchilla's Exponents Meet Kaplan's Coupling

Skaling：Chinchilla的指数与Kaplan的耦合

Mathurin Videau, Badr Youbi-Idrissi, David Lopez-Paz, Kartik Ahuja

机构 * FAIR at Meta（Meta FAIR实验室） 纠错

AI总结 针对神经缩放定律的独立假设缺陷，提出Skaling定律耦合模型容量与数据，可降低MAPE，用更少计算实现准确外推，为模型训练预算分配提供稳健框架。

Shape Your Feed: An LLM-based Agentic System for Conversational Recommendation

塑造你的信息流：一种基于大语言模型的智能体对话推荐系统

Ziyun Xu, Bosen Ding, Yue Zhang, Ji Qi, Qingyuan Song, Jizhou Huang, Liwei Wang, Jefferey Santelli, Yue Weng, Qichao Que, Zhenheng Yang, Junfeng Pan, Linhong Zhu

机构 * Meta Platforms（元平台公司） 纠错

AI总结 本文提出基于LLM的智能体推荐框架SYF，采用三层架构实现实时多模态内容协同策划，经离线评估与在线A/B实验验证，可提升信息流相关性与用户情感，为工业场景提供交互式推荐方案。

Comments Accepted in RecSys 2026 Industrial Track

NxN E-valuation: Hypothesis Certification via a Conformal CRT Null

NxN E-评估：通过共形CRT空假设进行假设验证

Bin Wang, Yan Zhong

机构 * Meta 纠错

AI总结 本文提出NxN E-评估算法，利用大型训练集让样本互为空假设，实现共形CRT以验证LLM的假设，可作为LLM循环验证和保留数据测试的更优替代方案。