跳转至

DrEM：噪声偏好预测下的双侧稳健集成排序

Fidelity: 核心机制复现。本地代码执行论文最有辨识度、可由公开数据验证的机制；生产模型、私有日志与服务基础设施明确列为边界，不用普通基线冒充完整工业系统。

论文信息

项目 内容
论文链接 arXiv 2608.12778
公司/机构 深圳大学（第一作者 Canwei Huang）
首次公开日期 2026-08-13（arXiv v1）
原文开源代码 否：论文未提供官方/作者代码（核查日期：2026-09-01）
Adapter drem
本地复现代码 src/auto_research/reproductions/drem/

原始论文总结

背景与主要改动

把多路 pxtr 先变换到 logit 空间，对预测噪声做偏好保持筛选，并利用 pair-label 翻转风险反演修正训练目标；最后用一致性融合减小输入扰动导致的排序漂移。

flowchart LR
  A["公开行为与候选"] --> B["drem 核心机制"]
  B --> C["同预算方法输出"]
  A --> D["论文定义的直接基线"]
  C --> E["统一指标与结构诊断"]
  D --> E

原论文关键图

DrEM：噪声偏好预测下的双侧稳健集成排序 原论文 Figure 1

原论文 Figure 1（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

\[ \tilde z_c=z_c+\epsilon_c,\qquad \hat y_{ij}=\mathbf 1[s_i>s_j],\qquad \ell_{rob}=\frac{\ell(\hat y)-\rho\ell(1-\hat y)}{1-2\rho}. \]

论文离线与线上效果

  • 7 天、每组 5.1% 主流量；EMER 的评论率 +1.388%、关注率 +1.197%、播放量 +0.691%，文中报告 p < 0.005。
  • 上述数字只复述论文线上证据，不写入本地公开数据的效果结论。

本地复现

本地对照口径：基线为朴素三路加权融合，实验组加入偏好保持筛选与风险修正；seed 42 的 NDCG@10 为 0.07726，基线为 0.07518。代理数据上的相对变化不能替代生产 pxtr lift，跨论文外推不适用。

三随机种子完整结果、均值、标准差与 95% CI：

auto-research reproduce --paper drem --dataset-dir data --seed 42

复现边界

本地使用公开 MovieLens 特征或由其构造的可审计代理任务，不能复现论文公司的私有用户日志、线上流量分配、生产模型规模和 serving 栈。因此本页只把本地结果解释为机制级验证；不将其外推为论文线上 lift，也不声称与原文绝对指标可直接比较。