页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「探索利用」找到 3 条内容
按专题浏览 →匹配标题与标签：…如何设计？ 在无历史行为时用隐私最小化的上下文、可选偏好、受控探索和目录约束建立可评测的推荐基线。 Agent 推荐系统 冷启动 探索利用 隐私 公平性 目录约束 评测 小红书
匹配正文：…近错误类型 当前上下文（如用户 urgency 标识） 输出综合得分，取Top-1或Top-N供重决策 方案三：在线Bandit（探索利用） 对不确定的工具组合，保留少量流量做ε-greedy探索 实时更新成功率先验，避免固化到次优工具 与Agent架构的协作 规划层：ReAct生成子任务时，标注每个任务的必需能力标签 选择层：根据标签召回候选工具，执行上述打分流程 执行层：工具调用失败时，触发降级策略（换工具或换方案），并回流数据更新打分模型 关键工程点：工具描述的质量决定…
匹配正文：…，点击率虚高但满意度下降 Overfitting 马太效应加剧，创作者生态恶化 Lack of diversity 长期留存下降，探索利用失衡 缓解方法 训练阶段 负采样优化：增加难负样本、按流行度降权采样 数据增强：对用户历史序列做随机mask、reorder 解码阶段 Diverse Beam Search：分组搜索+多样性惩罚 Top-p/Nucleus采样：引入随机性，避免贪婪解码 MMR（最大边际相关）：相关性-多样性联合排序 后处理/重排 行列式点过程（DPP）：…
学习内容与项目面试，在同一条路上。