RPSD：用最优传输引入跨用户证据的在线自蒸馏推荐方法

RPSD用跨用户最优传输证据为序列推荐提供token级信用。

资讯摘要

论文针对基于LLM的生成式序列推荐中GRPO等强化学习后训练的两个问题——序列级奖励被所有token共享的“信用盲优化”，以及训练信号仅来自单一用户的“协同盲监督”——提出RPSD。该方法用在线自蒸馏（OPSD）让具备特权知识的教师重评学生在线响应，以token级置信度差重塑优势；并用时间感知最优传输比较跨用户交互轨迹，经多样性筛选保留互补轨迹作为教师证据。作者报告在多个真实数据集上达到最优性能。

要点速读

1. 论文提出RPSD，将在线自蒸馏（OPSD）首次用于序列推荐，以token级置信度差将序列级优势细化为token级信用。
2. 教师特权知识来自相似用户的协同行为证据，通过时间感知最优传输联合考虑物品相似度与时间结构进行轨迹比较。
3. 作者称这是首个以跨用户行为作为特权信号的在线自蒸馏工作，并在多个真实数据集实验中报告state-of-the-art性能。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。