확률적 프라임-듀얼 디코딩을 위한 다목적 생성 추천 시스템

추천 시스템(RS)의 최근 발전은 생성 모델링을 통해 상당한 성능 향상을 보여주었다. 실제로는 추천이 종종 아이템 속성을 정의한 제약이나 공정성 제약과 같은 여러 목표를 만족해야 하는 순서가 있는 아이템 목록인 슬레이트를 구성하는 데 관여한다. 존재하는 다목적 접근법은 대부분 비생산적 환경을 위한 후처리 기술에 의존하거나 모델 훈련에auxiliary 목표를 직접 통합한다. 후자는 대규모 시스템에서 종종 불실질적이다. 우리는 모델을 수정하거나 재훈련하지 않고 생성 RS를 지원하는 다목적 슬레이트 생성을 위해 가볍고, 추론 시간 인코딩 층을 제안한다. 이 층은 순차적이면서도 가볍고 가볍다. 우리는 아이템이 순차적으로 선택될 때, 유용성과auxiliary 목표 사이의 트레이드 오프를 동적으로 조정하는 online 제약 최적화 문제로 인코딩 층을 정의한다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의 트레이드 오프를 조정하는 데 사용된다. 이 문제는 아이템 속성이 정의된 제약과 공정성 제약과 같은 제약을 만족하는 동안 유용성과auxiliary 목표 사이의