以 YouTube 論文學習如何在推薦場景應用強化學習

在這篇文章中： 推薦系統目前的問題 RL應用在推薦的挑戰 旅程開始 RL的基本知識 RL在推薦場景的Label特點 老生常談Bias off-policy vs on-policy importance weight RL在推薦場景的Objective特點 optimization 和 evaluation 怎麼訓練 β 和 π One more thing：TopK在解決什麼問題？ listwi

>>阅读原文<<