The Hong Kong University of Science and Technology（香港科技大学）

Learning to Allocate Incentives for Incentivized Advertising via Offline Model-Based Reinforcement Learning

基于离线模型强化学习的激励式广告激励分配学习

Zilin Zhao, Han Yang, Tianpei Yang, Fangsheng Huang, Yanfei Cui, Kan Peng, Yi Li, Yiming Zong, Hao Zhang, Yinsong Xue

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； ByteDance（字节跳动） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本研究针对激励式广告的序列激励分配问题，提出离线模型强化学习框架，实验显示MB-IQL可显著提升人均净利润，验证了该框架的有效性。

An Empirical Evaluation of Cross-City POI Recommendation on a Large-Scale Benchmark

大规模基准下跨城市兴趣点（POI）推荐的实证评估

Peibo Li, Yang Song, Hao Xue, Maarten de Rijke, Flora D. Salim

机构 * University of New South Wales（新南威尔士大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 本文以大规模基准Trip World开展跨城市POI推荐实证评估，发现现有SOTA方法存在三个瓶颈，且适配的智能体方法效果不佳，凸显需设计任务特定的跨城市推荐方案。