跳转至

Read this paper write-up in English

Not All Is Lost: Repairing Lossy User Preference States of Personalization Encoders

复现级别:L1 核心机制诊断。 执行 frozen-cache evidence selection 与 residual correction;用户批准为学术/Evolve 例外,无线上 A/B。

收录例外:用户于 2026-10-02 明确批准的学术/Evolve 机制例外;论文没有量化线上 A/B,不进入工业证据结论。

论文信息

项目 内容
论文链接 arXiv v1
公司/机构 原文首页未列第一作者机构
首次公开日期 2026-10-01(arXiv v1)
原文开源代码 否:截至 2026-10-02 未找到原作者公开实现
Adapter repair-state
本地复现代码 src/auto_research/reproductions/repair_state/

原始论文总结

背景与主要改动

冻结 encoder 与原 task head,从已有 forward cache 中比较各 timestep 表征和当前 preference state,选择长程、近期或局部 burst 的纠正证据并做 residual repair。

flowchart LR
  I[输入/当前状态] --> M[repair-state 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文关键图

Not All Is Lost: Repairing Lossy User Preference States of Personalization Encoders 原论文关键图

原论文关键图:展示论文核心架构、训练流程或系统协议。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

\(z'=z+\sum_{t\in TopK}softmax(q^T(h_t-z))(h_t-z)\)。

论文离线与线上效果

12 个推荐 host 全部改善;Mamba4Rec/MovieLens MRR +3.96 点,head-only 仅 +0.19;个性化生成最高 +25.23%。

本地复现

本地对照口径:基线为机制关闭或默认状态,实验组为开启对应核心算子;相对百分比不适用。本批指标只验证不变量、梯度或状态转换,不表示论文规模效果。

复现边界

执行 frozen-cache evidence selection 与 residual correction;用户批准为学术/Evolve 例外,无线上 A/B。