告别过平滑!浙大团队提出Rankformer:直接优化排序的Transformer架构
研究团队提出基于图Transformer架构的Rankformer推荐模型,该模型专注于排序目标设计,通过模拟梯度下降过程优化表征,聚合全局信息并利用正负样本信号提升推荐精度。
研究团队提出基于图Transformer架构的Rankformer推荐模型,该模型专注于排序目标设计,通过模拟梯度下降过程优化表征,聚合全局信息并利用正负样本信号提升推荐精度。
清华大学团队提出RAD优化器,该优化器通过神经网络与共形哈密顿系统的对偶性揭示了Adam的优化动力学机理,并提出了新的Relativistic Adaptive Gradient Descent (RAD)优化算法,实验表明其在多种强化学习任务中表现优于Adam。