arXiv · cs.AI · Shivam Swarup, Divya Prakash Shrivastava, Rakesh Thakur · 11 小时前模型评分38
用贝叶斯逆强化学习审计推荐系统刷单检测：表示空间检测的校准不确定性及其局限
Auditing Representation-Space Fraud Detection: A Bayesian IRL Framework for Calibrated Uncertainty and Its Limits
导读
研究者提出 VEIL（Variational Evaluation via Inverse-reinforcement Learning，变分逆强化学习评估），一种基于冻结编码器嵌入向量的成对贝叶斯奖励推断框架，用于审计推荐系统刷单检测器何时可信。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We audit representation-space detection with VEIL (Variational Evaluation via Inverse-reinforcement Learning), a pairwise (Bradley-Terry) Bayesian reward-inference framework over frozen encoder embeddings”
来源：arXiv · cs.AI · arxiv.org