本次AAAI2025共包含大概65篇推荐系统论文

今天跟大家分享一篇来自于吉林大学、香港城市大学、快手科技、西安交通大学在AAAI 2025联合发表的基于LLM的推荐系统用户模拟器。

职位名称：快手国际化广告算法实习生团队介绍：快手国际化广告算法团队致力于在广告领域持续创新。我们已经成功落地了生成式推荐、因果纠偏推荐和强化学习等模型，目前我们的广告业务还在快速增长，需要更多优秀的同学加入。职位描述：1、参与机器学习、深度学习、强化学习和运筹优化等方向的优化工作，提高广告点击率、留存率和用户停留时长等核心指标。。2、推动推荐系统范式的革新，探索生成式推荐、序列推荐和决策、长期因果

中文书籍大语言模型LARGE LANGUAGE MODEL高等教育出版社你是否读过大语言模型综述文章A Survey of Large Language Models？这是学术界首篇系统介绍大语言模型技术的综述性文章，成为了很多人入门大模型的必读论文，目前引用次数已经突破3700次，获得了学术界的广泛关注。其中绘制的模型演进图、技术统计表被广泛传播、使用。为了进一步推动我国大模型技术的发展，该综述

关注我们，一起学习论文标题：Instructing and Prompting Large Language Models for Explainable Cross-domain Recommendations论文地址：https://dl.acm.org/doi/pdf/10.1145/3640457.3688137本文利用大语言模型(LLM)为用户提供可解释的跨域推荐(CDR, cross-

该工作利用了语义相似度以及itemcf的思想来进行大模型推荐

关注我们，一起学习图片来源网络RAG又称为检索增强生成，今天借助RAGas [1]这个库介绍相关的评估指标。这里采用了平均精度的方式，假设召回K个相关样本，则Precision@k计算topk情况下的精度，然后对于所有的K个样本，从1到K计算每个topk下的精度，其中表示当前第k个样本是否对回答问题有帮助利用LLM ：使用LLM，给定相关的提示词，对于（问题，上下文/回答，检索到的上下文）让LLM

本文将深入介绍 FlashAttention 系列技术的核心原理、算法优化及其在大模型训练中的实际应用。通过减少内存开销和优化 GPU 并行计算，该技术显著提升了 Transformer 模型的训练效率，特别是在长序列处理上展现出强大优势。

关注我们，一起学习标题: Deep Ensemble Shape Calibration: Multi-Field Post-hoc Calibration in Online Advertising地址：https://arxiv.org/pdf/2401.09507公司：shopee代码：https://github.com/HaoYang0123/DESC会议：KDD 2024导读 ====

关注我们，一起学习论文标题：Pay Attention to Attention for Sequential Recommendation论文链接：https://arxiv.org/pdf/2410.21048会议：RecSys 2024学校：青海大学转载请注明出处基于transformer的方法在许多序列化任务中取得了显著效果，然而传统的自注意力模型可能不足以捕获序列推荐场景中复杂的item

关注我们，一起学习TLDR：大语言模型（LLM）的集成显著提升了推荐系统的性能。然而，这通常以牺牲推荐多样性为代价，从而可能对用户满意度产生负面影响。为了解决这个问题，可控推荐已成为一种很有前景的方法，它允许用户指定自己的偏好并接收满足其多样化需求的推荐。尽管具有潜力，但现有的可控推荐系统经常依赖简单的机制（例如单个prompt微调）来调节多样性，这种方法未能完全捕捉用户偏好的复杂性。为了应对这些

关注我们，一起学习标题: Coarse-to-fine Dynamic Uplift Modeling for Real-time Video Recommendation地址：https://arxiv.org/pdf/2410.16755公司吗，学校：快手，清华导读 =======本文主要是快手在视频推荐场景中，采用uplift建模。主要面临两个主要挑战：1）treatment的设计和利用，2

关注我们，一起学习标题: Coarse-to-fine Dynamic Uplift Modeling for Real-time Video Recommendation地址：https://arxiv.org/pdf/2410.16755公司吗，学校：快手，清华导读 =======本文主要是快手在视频推荐场景中，采用uplift建模。主要面临两个主要挑战：1）treatment的设计和利用，2

今天跟大家分享一篇来自于香港城市大学、百度关于全球地理定位领域的论文。该论文针对全球范围内精确定位照片提出了一种新颖的基于检索增强生成（Retrieval-Augmented Generation, RAG）的框架G3。

关注我们，一起学习标题：Touch the Core: Exploring Task Dependence Among Hybrid Targets for Recommendation论文链接：https://dl.acm.org/doi/pdf/10.1145/3640457.3688101会议：RecSys 2024公司，学校：腾讯，麦吉尔大学随着用户行为的复杂化，在线推荐更加注重如何触达与

有兴趣得可以找笔者内推，点击公众号中的联系作者，或者留言用户增长算法工程师职位描述1、深入业务场景，和产品、运营配合，优化产品设计和营销方案；2、研究数据挖掘或统计学习领域的前沿技术，构建和优化用户画像；3、针对具体业务目标建模优化，包括但不限于广告投放、人群分层、信用评分、成本优化等；4、深度探索财经用户增长的数据、策略、算法，提升用户增长、转化的效率。职位要求1、本科及以上学历，计算机、机器学

关注我们，一起学习标题: DIIT: A Domain-Invariant Information Transfer Method for Industrial Cross-Domain Recommendation地址：https://arxiv.org/pdf/2410.10835公司：OPPO导读 =======本文主要针对跨域推荐提出对应的解决方法，现有的大分部方法都假设了一个理想的静态条

算法工程师之路

关注我们，一起学习在模型中进行单调性建模在医学和金融领域都有着重要的作用，比如在金融领域，同一个用户在不同权益下的转化率是随着权益的增大呈现递增趋势的，曲线是单调的[1]。而单调性建模可以从几个方面出发：函数建模，模型结构，正则化。根据数据分布，设定先验的单调性函数，用模型来预估这些函数对应的参数。线性单调函数[5]，，其中c干预的权益，softplus保障了c的权重系数是大于0的[6]中进一步在