解决推荐系统挑战：Meta的创新架构与方法 - 飞书文档
https://docs.feishu.cn/v/wiki/WbuuwuGO3iD9Z7kRb0bc3LFvnjg/a2传统的大规模推荐系统基于海量用户行为数据，构造海量**高基数和异构特征**进行深度模型训练。尽管模型规模已经很庞大了，但如果想进一步进行scaling，则非常困难。 受到近期 ...
飞搜侠
热门搜索
LLM4Rec：当推荐系统遇到大模型 - 飞书文档
https://docs.feishu.cn/article/wiki/DMqOwfhbIi2kUlkxu0RcVaYjn2F百度和港大合作的工作，用LLM 解决推荐系统的数据稀疏性问题（论文讨论对象是基于图神经网络的推荐系统）。 ... 现有的推荐系统多基于item-id，导致其很难迁移到新场景（需要重训） ...
Mobile-Agent 研习共创计划 - 飞书文档
https://docs.feishu.cn/article/wiki/I6AbwhI9jiSIwhku1t3cNdAZnrf目前还在学习mobileagent的框架，停留在框架学习阶段. **实践与经验分享、技术支持：**技术答疑、代码讲解、prompt工程、论文复现. 推理速度太慢、决策能力不够强大. mac ...
学术影响力货币化危机与量化指标优化陷阱 - 飞书文档
https://docs.feishu.cn/v/wiki/OnHxwy7fziuQ56krXpccNbvenmd/a6这些论文完美复现了：. 标准化的实验设计模板. 统计学 ... 3.1 信息分发的精准化悖论. 学术推荐算法正在创造着两个截然不同的平行宇宙： ... 剑桥大学的知识传播研究中心发现， ...
探索OpenAI o1模型复现的难点与可能的解决方案 - 飞书文档
https://docs.feishu.cn/v/wiki/Cn2CwOhfDiNkHyk7YaWcl0HJnDd/a4传统的思维链方法通常缺乏对推理过程的深入建模，导致模型在处理复杂问题时容易失败。作者通过引入过程监督、搜索算法（如蒙特卡洛树搜索MCTS和A*）等技术，解决了这一问题。
搜推广生死判官：聊聊重排技术发展 - 飞书文档
https://docs.feishu.cn/article/wiki/LPlAwm6vSiesFBkysh8csZYfn1g提出使用seq2seq 的架构来解决重排推荐问题，称为seq2Slate。利用point network，根据用户前面看过的视频，来预测下一个观看的视频。 Pointer Network：. 是对seq2seq+ ...
AI文献速读神器-飞书官网 - Feishu
https://www.feishu.cn/template/ai-literature-speed-reading-tool?utm_from=SEO_template_AI%E6%96%87%E7%8C%AE%E9%80%9F%E8%AF%BB%E7%A5%9E%E5%99%A8AI阅读器通过智能解析和云端批注提升效率，选工具需关注多格式兼容（如“智读”）、语义分析精准度，线上版推荐XX跨端同步。 ... 系统兼容验证：API接口标准与现有科研管理系统的 ...
百川智能-大模型算法实习生（推理方向）
https://cq6qe6bvfr6.jobs.feishu.cn/baichuanzhaopin/m/position/detail/7434836792409786678职位亮点1、深度参与知名LLM 公司的核心技术研发，与团队共同探索前沿技术，打造有影响力的模型和论文 ... 复现论文和验证实验； 5、具备良好的自驱力、执行力和沟通 ...
「我们身边的算法决策」工作坊 - 飞书文档
https://docs.feishu.cn/article/wiki/D4tYwqaMLiyvenkYr1EceG6fn9c我们欢迎任何人传播和分享此文档内容，请传播时注明来源：开放数据中国。 · 我们欢迎任何人使用此套工作坊材料复刻、改进或演绎工作坊内容。同样，请标记基于开放数据中国的 ...
moviegen技术报告解读，如何复现sora？ - 飞书文档
https://docs.feishu.cn/v/wiki/FBd4w81Tyi6TPakW5z6cahr9nEg/ac... 复现初始的基准测试分数，并修复系统提示的差异。 工具和资源：提供了模型权重 ... 项目优先于论文：研究生阶段应该避免只注重论文数量。应将精力放在具有长期 ...