联合优化候选生成与聚合
首次在多代理框架中实现两阶段联合优化，解决异构源推荐中候选生成无监督信号的问题。
Zhang, Yabin · Weiqi, Shao · 陈旭 · Du, Yali · Xiaoxiao, Xu · Dong, Zheng · Changhua, Pei · Zhang, Shuai · Jiang, Peng · 盖坤
2023
通过多智能体合作博弈，将用户偏好信号反馈到候选生成阶段，直接优化候选的准确性。
设计可分解奖励函数，提高多智能体强化学习的训练效率。