Jev-DLC：基于类型化反馈的决策级持续学习

Jev-DLC提出基于类型化反馈的决策级持续学习方法，在TCPA-Repeat基准测试中整体用户宏精度达44.83%，比Recent-4历史重放高2.43分。 该方法无需调用评分器，不执行运行时反向传播，不保留原始交互历史。在有至少两个先前反馈事件后，模型达到56.07%精度。