推荐系统不再瞎猜！IEDR首创多情境对比解耦学习，精准拆解用户偏好动因
在推荐系统中，本文提出了一种名为 Intrinsic-Extrinsic Disentangled Recommendation (IEDR) 的通用框架，能够在多种复杂交互情境下区分用户内在偏好与外在动机。
真实数据集
35%准确率蒸发！字节&华科WildDoc揭示多模态文档理解鲁棒性短板
多模态大模型在文档理解领域的性能显著，但现有基准存在真实场景挑战。字节跳动联合华中科技大学发布首个真实世界文档理解基准数据集WildDoc，揭示了当前模型的不足，并提出改进策略。
WSDM 2025 从谱视角揭开推荐系统流行度偏差放大之谜
本文揭示了推荐系统流行度偏差放大的原因，提出了一种基于正则项的方法——ReSN来缓解这一问题。通过引入谱范数正则项，约束评分矩阵的权重以减少流行度偏差的影响。