![Рекомендательная [RecSys Channel] - Saluran Telegram](/static/profile/90806809533.webp)
Рекомендательная [RecSys Channel]
@RecSysChannel - Saluran Telegram
0/5
0 ulasan
3.1K
Pelanggan
11/07/26
Ditambahkan
Tentang Рекомендательная [RecSys Channel]
Рекомендательная [RecSys Channel] adalah channel Telegram yang didedikasikan untuk Berita & Hiburan, dengan lebih dari 3k subscriber. Канал про рекомендательные системы от ml-специалистов Яндекса. Делимся опытом, обсуждаем новые подходы и интересные статьи. Вопросы и предложения > @yandex_ml_brand Gabung channel untuk menerima semua pembaruan langsung di Telegram.
Deskripsi asli
Канал про рекомендательные системы от ml-специалистов Яндекса. Делимся опытом, обсуждаем новые подходы и интересные статьи. Вопросы и предложения > @yandex_ml_brand
Pesan terbaru
RecIS: Sparse to Dense, A Unified Training Framework for Recommendation Models
Сегодня разберём
работу
Alibaba под названием RecIS (Recommendation Intelligence System). Это фреймворк для обучения рекомендательных систем, который нужен, чтобы масштабировать «всё и вся» в разных контекстах, оставаясь при этом PyTorch-френдли и пригодными для продакшена.
В рексистемах есть два разных типа нагрузки. В
Как в ARGUS решали проблемы контекста, кросс-доменных знаний и претрейна
Мы уже разбирали статью
Scaling Recommender Transformers to One Billion Parameters
, в которой представили генеративную модель персонализации ARGUS, от Яндекса. За последний год модель заметно изменилась и адаптировалась под разные домены внутри компании.
О генеративной постановке в рексистемах и развитии ARGUS подробно напис
MTGR: Industrial-Scale Generative Recommendation Framework in Meituan
Сегодня разбираем недавнюю
статью
от Meituan, крупнейшего сервиса доставки в Китае. В ней предлагают архитектуру ранжирования MTGR, которая использует ручные кросс-фичи, но при этом обладает масштабируемостью генеративных моделей.
Авторы выделяют две проблемы:
1. В классических моделях Deep Learning Recommendation (DLRM) вычисли
Meta Lattice: Model Space Redesign for Cost-Effective Industry-Scale Ads Recommendations
В рекомендациях для разных поверхностей, доменов и таргетов часто обучают отдельные модели. Но такой подход плохо масштабируется и усложняет поддержку системы. Чтобы решить проблему, авторы
Meta Lattice
построили фундаментальную модель, сочетающую разные органические и рекламные поверхности Meta*.
Основной вк
GenRec: A Preference-Oriented Generative Framework for Large-Scale Recommendation
Разбираем
статью
от команды JD App — крупного китайского маркетплейса. Работа небольшая, но в ней есть несколько интересных идей на тему генеративных рекомендаций.
Обычный Next Item Prediction плохо соответствует тому, как пользователь в действительности взаимодействует со страницей. Юзер видит набор товаров, кликает
Gryphon: A Unified Architecture for Semantic-ID Generation and Item-Level Scoring in Industrial Recommendations
Разбираем
статью
о гибридной генеративно-ранжирующей модели в рекомендациях Яндекс Музыки. О ней на
Data Fest
рассказала
Дарья Тихонович
, руководитель Яндекс RND-команды, которая разрабатывает новые рекомендательные технологии.
Генеративные рекомендации на базе Semantic IDs позволяют пр
Closing the Online-Offline Gap: A Scalable Framework for Composed Model Evaluation
В рекомендательных системах итоговый скор обычно считается не одной моделью, а композицией нескольких предсказаний. Например, одна модель предсказывает вероятность клика, другая — конверсии после клика, третья — конверсии без клика. Затем эти значения объединяются в итоговый eCVR — оценённую вероятность конверсии, к
Поточечное ранжирование vs генеративное: три работы с ICML 2026
Прямо сейчас в Южной Корее идёт ICML — одно из самых масштабных событий в мире машинного обучения. Почти все бигтехи рассказывают похожую историю: обычное поточечное ранжирование постепенно пытаются заменить генеративным.
Вместо моделей в духе HSTU, предсказывающих CTR для каждого кандидата по истории пользователя, всё чаще обсуждают
Pratinjau teks dari pesan publik terbaru — konten media tidak ditampilkan.
Ulasan (0)
Belum ada ulasan
Pertanyaan Umum
Ketuk tombol 'Buka di Telegram' lalu tekan 'Gabung' untuk berlangganan channel ini.
Bisa, buka channel-nya, ketuk namanya di bagian atas, lalu 'Notifikasi' dan pilih 'Bisukan' untuk jangka waktu yang Anda inginkan.
Frekuensi posting berbeda-beda antar channel. Lihat postingan terbaru untuk mendapatkan gambaran.
Beberapa channel mencantumkan tautan grup diskusi atau kontak admin di deskripsinya. Jika tidak, mereka tidak bisa dihubungi secara langsung.
Lainnya Saluran di Berita & Hiburan
Jelajahi Saluran, Grup, dan Bot Telegram terbaik
Kategori terkait: