trabajo
aceptado al taller de la conferencia
KDD 2026
, que se está llevando a cabo actualmente en Corea del Sur.
La mayoría de los modelos de recomendación modernos resuelven un problema local: predicen la próxima interacción o la próxima retroalimentación positiva. Formulamos el problema como RL a nivel de sesión y entrenamos al generador de candidatos utilizando REINFORCE fuera de la política en los registros.
En datos industriales, un modelo de este tipo supera la predicción del siguiente elemento y del siguiente positivo en todas las estimaciones de recompensa de la sesión, al tiempo que mantiene la calidad de la generación de candidatos en términos de métricas de recuperación.
➡️
Más detalles en
artículo
sobre Habré.