כתבה
arXiv cs.AI ·
למידת ריפוד עם קבוצות פעולה ניתנות: התפניית למלאכת מלצר
Reinforcement Learning with Conformal Action Sets: An Application to Sequential Recommendation
מאמר זה מציג שיטה חדשה ללמידת ריפוד, המשתמשת בקבוצות פעולה ניתנות לשינוי. השיטה, הקרויה RLCP, מתאימה את גודל הקבוצה לפי הצורך, ומציעה חידושים בתחום המלאכת המלצר. המאמר כולל תיאור של השיטה, תוצאות ניסויים, והשוואה לשיטות אחרות.
תקציר מקורי באנגליתarXiv:2610.08743v1 Announce Type: cross Abstract: Sequential recommenders typically use a fixed slate size even though the number of useful alternatives changes within a session. We propose Reinforcement Learning with Calibrated Pruning (RLCP), which adapts the retained action set using critic scores and an online threshold. The threshold is updated from binary feedback indicating whether the set contains an action in a proxy target. We prove a deterministic bound on the observed proxy miss rate along adaptive trajectories. To quantify the effect of pruning on reward, we derive an exact decomposition of value loss into filtering and selection losses. Under explicit proxy and critic approximation conditions, this decomposition yields a finite session reward bound that also accounts for impe
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית