arXiv · AI· Yuheng Chen, Fan Zhang, Yixuan Xu, Chao Yang, Yang Xiang, Can Yang·· 2 天前AI 评分28
生成式推荐中RL后训练的隐性代价:更好的排序器,更差的检索器
Better Rankers, Worse Retrievers: The Hidden Cost of RL Post-Training in Generative Recommendation
AI 导读
summary_zh: 在生成式推荐中,RL后训练提升头部排序精度但降低候选列表召回率,导致模型变成更差的检索器。 研究通过控制实验发现,根源在于RL将未采样的候选项视为错误,惩罚了相似用户常选的高可能替代项。
来源:arXiv · AI · arxiv.org