本文提出采用多样性度量方法来增强精度评估，这样可以估计生成模型的随机行为。我们提出了一个有效的生成解决方案，它位于两个极端的尺肘区域之间，并演示了物品扰动可以强制执行以更好的覆盖物品变化，并将性能扩展到易于发现的区域。我们进一步提出将中心枢轴选择阶段与生成过程分开，以便于应用扰动，实验结果表明，这种简单的修改可以提供更好的方差与同等精度的后生成扰动方法相比。

Feb, 2021

通过使用变分自编码器学习连续、低维的隐空间，从而在连续的潜在空间中选择筛选项，最终被解码成对应的筛选板，从而提高推荐系统的效果和多样性。

Jan, 2023

本文提出了一种名为条件顺序选取滑板优化（CSSO）的混合框架，以更好地优化搜索排名系统，并促进电子商务搜索结果多样性、减缓顶部结果偏见和结果个性化等方面的实际问题，且在满足分布准则的同时产生出色的相关性度量。

Aug, 2021

本文研究了基于上下文的推荐策略（例如排名）的评估方法，在组合赌博技术的基础上引入了一种新的实用估计量，该方法可以使用已记录的数据估计政策的绩效，经过全面的实证评估，我们的估计器在多种设置下都很准确，包括在学习排序任务中作为子程序，我们导出了我们的估计器无偏的条件，这些条件比之前的推荐评估启发式要弱，并在实验中比参数方法具有更小的偏差，即使这些条件被违反。最后，我们的理论和实验也表明，与一般的无偏估计相比，所需的数据量呈指数级节约。

May, 2016

该篇研究论文介绍了一种基于序列的排名模型 seq2slate，可以结合物品之间的相互影响进行新物品的推荐，并利用易于获取的点击数据进行端到端模型训练，在标准排名基准测试和真实推荐系统中获得了实验结果的验证。

Oct, 2018

本篇研究提出了一种基于生成器和评论家的石板重排方法，其中评论家评估石板，生成器通过强化学习方法对项目进行排名。通过 PPO-Exploration 探索算法进行生成器的排名，取得了比现有强化学习方法更好的效果，有效提高了石板的效率和多样性在世界上最大的电子商务网站的实验中。

May, 2020

通过建立一种基于变分贝叶斯递归神经网络的推荐系统，利用用户和网络交互的时间序列数据，自适应地为用户提供适宜的内容，同时引入一种层级先验以及组内成员关系考虑的项参数学习方法，结合多臂老虎机策略以及 slate Thompson Sampling 算法优化推荐效果，并在在线实验和来自挪威 FINN.no 平台的离线数据测试中验证了该方法的有效性。

Apr, 2021

大规模机器学习系统的一个关键组成部分是返回选项列表；这篇论文在给定任意奖励函数的情况下，通过在决策函数上应用一种新的松弛技术，提出了一种简单而高效的学习算法来优化这些大规模决策系统，能够扩展到庞大的动作空间规模，相比常用的 Plackett-Luce 策略类，证明了该方法的有效性。

Aug, 2023

该研究提出了一种图形假设的因果关系方法，以重新加权日志策略中的奖励，从而近似于目标策略下的奖励和，以解决串行互动推荐问题。在模拟和实际推荐系统中进行的广泛实验表明，该方法在偏差和数据效率方面优于现有方法。

Jul, 2020

本文提出了几种贝叶斯模型，使用奖励信号、排名信号或两者结合的方法进行非个性化的推荐。通过分析实验结果，证明全模型在产品数量增加或画板大小增加时，可以获得显著的性能提升。

Jul, 2021