![Рекомендательная [RecSys Channel] - Canal Telegram](/static/profile/90806809533.webp)
Рекомендательная [RecSys Channel]
@RecSysChannel - Canal Telegram
0/5
0 reseñas
3.1K
Suscriptores
11/07/26
Añadido
Información sobre Рекомендательная [RecSys Channel]
Рекомендательная [RecSys Channel] es un canal de Telegram dedicado a Noticias y Entretenimiento, con más de 3k suscriptores. Канал про рекомендательные системы от ml-специалистов Яндекса. Делимся опытом, обсуждаем новые подходы и интересные статьи. Вопросы и предложения > @yandex_ml_brand Únete al canal para recibir todas las novedades directamente en Telegram.
Descripción original
Канал про рекомендательные системы от ml-специалистов Яндекса. Делимся опытом, обсуждаем новые подходы и интересные статьи. Вопросы и предложения > @yandex_ml_brand
Mensajes recientes
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
Vista previa de texto de los últimos mensajes públicos — el contenido multimedia no se muestra.
Reseñas (0)
Aún no hay reseñas
Preguntas Frecuentes
Pulsa el botón 'Abrir en Telegram' y luego presiona 'Suscribirse' para unirte al canal.
Sí, abre el canal, toca el nombre en la parte superior, luego 'Notificaciones' y elige 'Silenciar' durante el tiempo que quieras.
La frecuencia de publicación varía de un canal a otro. Revisa las publicaciones recientes para hacerte una idea.
Algunos canales tienen un enlace a un grupo de debate o el contacto del administrador en la descripción. De lo contrario, no se puede contactar directamente.
Otros Canales en Noticias y Entretenimiento
Explora los mejores Canales, Grupos y Bots de Telegram
Categorías relacionadas: