本文介绍了在线学习排序的两种最新方法：Dueling Bandit Gradient Descent（DBGD）和 Pairwise Differentiable Gradient Descent（PDGD）的比较及其在极端嘈杂和非连锁用户模型情况下的性能。结果表明，PDGD 在理想和最坏情况下的性能都比 DBGD 好，并且 DBGD 的理论边界不适用于任何常见的排序模型。

Jan, 2019

该研究的目的是通过与用户互动来找到一个最优的排名模型。然而，复杂的模型需要更多的用户互动，简单的模型则会收敛于次优解。通过开发一个名为 Sim-MGD 的快速 OLTR 模型以及使用级联多叶梯度下降的新方法 C-MGD，研究人员成功地平衡了速度和质量的折衷，并为 OLTR 领域开展了更多未来研究的可能性。

Nov, 2017

在这篇论文中，我们利用强化学习中的离线学习技术，提出了一种与点击模型无关的通用排序方法 Click Model-Agnostic Unified Off-policy Learning to Rank（CUOLR），通过将排序过程视为一个马尔可夫决策过程，实现了对各种类型的点击模型的自适应，实验结果表明，CUOLR 在不同的大规模数据集上均优于现有的基于离线学习的排序算法，并能在不同的点击模型下保持一致性和鲁棒性

Jun, 2023

本文提出了一种利用随机排序策略来进行公平学习及考虑排序项影响的通用 LTR 框架，并通过基于政策梯度方法的 Fair-PG-Rank 算法进行优化，可在保持曝光公平性的情况下优化各种效用指标。通过实验结果验证了此方法在个人和集体公平性方面的有效性。

Feb, 2019

本文研究了攻击多个 OLTR 变体的策略，并提出了一般的攻击策略来攻击任何算法，在合成数据和真实数据上的实验验证了我们提出的攻击算法的有效性。

May, 2023

本文提出了一种 NeuralNDCG 算法作为一种新颖的不可区分且可微分的排序近似来解决传统 LTR 算法中优化目标与评估标准之间的矛盾，并且我们介绍了两种这种算法的变体，实证评估结果显示其性能优于之前针对优化 NDCG 的工作，并且与最先进算法基本持平。

Feb, 2021

通过利用大规模预训练语言模型，我们引入了一种名为 Neural PG-RANK 的新型训练算法，该算法通过实例化一个语言模型为 Plackett-Luce 排序策略，为检索模型的端到端训练提供了一种合理的方法，并有效地将训练目标与下游决策质量相统一。实验证明，当训练目标与评估设置一致时，Neural PG-RANK 在领域内表现出卓越的性能提升，并在下游问答任务中对一些关键数据集进行了实质性的跨领域泛化。

Oct, 2023

学习排序（LTR）是最广泛使用的机器学习应用程序之一。本文展示了如何将有效可解的公平排序模型整合到 LTR 模型的训练循环中，以在公平性、用户效用和运行效率之间取得有利的平衡。特别是，本文首次展示了如何通过 OOW 目标的约束优化进行反向传播，从而在集成的预测和决策模型中使用它们。

Feb, 2024

在线梯度下降方法在配对学习中的应用以及引入具有子线性后悔界的轻量级在线梯度下降算法，该算法可适用于线性模型和核配对学习，通过集成随机傅里叶特征有效降低内核计算复杂度，并在离线和在线场景中优于内核和线性算法。

Feb, 2024

提出了在线学习排名中梯度估计的降低方差方法，通过在当前查询下的已检查文档的特征向量所组成的 “文档空间” 中进行方向投影，可以减少梯度估计的高方差，进而改善模型估计的效果。

Jun, 2019