大厂专区

Tencent（腾讯）

2026-07-29 至 2026-07-29 共收录 1 篇

2602.10430 2026-07-29 cs.LG cs.AI 版本更新

Breaking the Curse of Repulsion: Remoteness-Aware Control of Negative Off-Policy Updates

打破排斥诅咒：乐观分布鲁棒策略优化用于离线生成推荐

Yusen Huo, Changping Wang, Yangru Huang, Jun Zhang, Jie Jiang

机构 * Tencent Inc, China（腾讯公司，中国）

AI总结本文提出DRPO方法，通过乐观分布鲁棒优化解决离线生成推荐中因低质量数据导致的模型崩溃问题，实现高质量行为恢复与噪声过滤。

Comments 46 pages, 9 figures

↑