Search

Tag: #cold-start5 results

Meta-LoRA 讓 LLM 適應新使用者偏好

採用 PAC-Bayes 正則化的 Meta-LoRA，只需少量目標領域互動即可實現跨領域 LLM 個人化，並根據證據量與預測不確定性調整更新強度。該方法將穩定的使用者偏好與領域特定條件分離，在個人化基準測試中取得顯著提升。

研究人員提出了 DIF，這是一種針對推薦系統中隱式反饋的去噪方法，專門解決冷啟動問題。透過利用內容相似度和偽標籤置信度，該模型能有效修正新項目的噪聲標籤。

Preping 是一個新的框架，讓 AI 代理在接觸真實任務前，透過自我生成的合成練習來建立程序性記憶。透過「提案者-求解者-驗證者」的循環，該框架能確保高品質的記憶構建，並顯著降低相較於傳統線上方法的部署成本。

LLM-HYPER 將大型語言模型視為超網路，透過少樣本思維鏈提示生成冷啟動廣告的無訓練 CTR 模型參數，利用多模態內容。使用 CLIP 嵌入擷取相似活動作為示範。離線 NDCG@10 優於基準 55.9%，線上 A/B 測試優異，已部署生產環境。

Tencent Cloud 正在重構其 Agent 沙箱，旨在兼顧低於 100 毫秒的啟動速度與生產級部署能力。文章探討此次重設背後的工程動機與基礎設施挑戰。