RAMP：个性化特征受限时的鲁棒广告推荐¶
复现保真度：核心机制复现。 真实训练 masked 双路径与 prediction alignment；私有工业 CVR 数据未复刻。
论文信息¶
| 项目 | 内容 |
|---|---|
| 论文链接 | arXiv 2607.17473 |
| 公司/机构 | Huawei Ireland Research Center / University College Dublin |
| 首次公开日期 | 2026-07-20（arXiv v1） |
| 原文开源代码 | 是：官方/作者代码 |
| Adapter | ramp |
| 本地复现代码 | src/auto_research/reproductions/ramp/ |
原始论文总结¶
背景与主要改动¶
隐私选择、权限或平台限制会让同一广告模型在部分流量上拿不到个性化字段。RAMP 不把缺失值简单填零，而是显式维护 personalized 与 non-personalized 两条路径，用可用性 mask 控制输出，并通过 prediction alignment 把富特征路径的知识蒸馏给受限路径。
flowchart LR
A["公共广告字段"] --> B["Non-personalized pathway"]
C["用户个性化字段"] --> D["Personalized pathway"]
E["Feature availability mask"] --> F["输出选择"]
B --> F
D --> F
D -. "KL alignment" .-> B原论文关键图¶
原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。
核心公式¶
\[
\hat y=m\hat y_{\mathrm{personal}}+(1-m)\hat y_{\mathrm{public}},
\]
\[
\mathcal L=\mathcal L_{\mathrm{CTR}}+
\lambda\,\operatorname{KL}\!\left(
p_{\mathrm{personal}}\;\|\;p_{\mathrm{public}}
\right).
\]
论文离线与线上效果¶
论文公开数据上的 AUC 相对增益约 0.10%–0.87%，离线显著性 \(p<0.001\)。工业 CVR 线上 A/B 报告 Total Advertiser Value 提升超过 3%。
本地复现¶
MovieLens 行为向量代理受限个性化字段、类型特征代理公共广告字段；训练中实际执行双路径、输出 masking 和富特征 teacher 到受限路径的 KL 对齐，测试专门评估无个性化字段流量。
本地对照口径：基线为缺失个性化字段的共享 CTR tower，实验组为 RAMP masked dual tower；seed 42 的 NDCG@10 从 0.00103 升至 0.00533，相对 +417.23%。
稳定指标见 metrics/movielens-100k-seed42.json。绝对指标较低且公开代理任务远小于工业 CVR，因此这里只证明缺失特征路径的相对鲁棒性。