kunrenzhilu

摘要： 微调 微调的目的有几个： 1. 和人类对齐，减少一些hullucination和toxic content； 2. 引入domain knowledge； 3. 做一些prompt engineering低效的事情，比如不用提供大量的样本。但是也有可能因此而产生灾难性遗忘。同时需要对样本量和质量进行 阅读全文

摘要： Box-cox Transformation 背景 有很多时候我们需要把右偏（长尾）分布的数据进行数值变换，将其变为接近正态分布的形式，好使用统计工具。Box-cox的原理其实就是用一系列f(y;lambda)对y做变换尝试，看看哪一个变换f(lambda)能够使得Y'=f(Y)变成正态分布，越正态 阅读全文

摘要： 在买量中，我们本质上想买的其实是“看了广告才买产品”的用户，我们把看广告当作treatment, 因此实际上是要算的恰好是平均因果效用ATE=p(y|T=1)-p(y|T=0)，然后选择ATE高的用户，即HTE，也称为uplift，那么跟因果图怎么联系起来呢？考虑到用户属性会影响treatment， 阅读全文

摘要： 因为网络的节点之间有影响力，比如假如对一个用户做投放会影响到另一个用户，因此如果单纯用随机实验的方式，特别是当用户量小的时候，会存在一些误差。因此facebook在一篇paper里面就介绍了，在这种情况下，可以先将用户做cluster，然后再把cluster作为实验分组的基本单元，确保实验组和对照组 阅读全文

摘要： 学到了一个没什么用的新名词 比如，在大量买量的时候，app在appstore的排名也会相对靠前，使得对照组的app install也有增加。但是为啥要measure这个organic uplift？ Ref: https://www.appsflyer.com/blog/measurement-an 阅读全文

摘要： 推荐系统的bias有很多：position bias, popularity pias, selection bias, exposure bias, conformity bias （从众心理）等，针对不同的bias有不同的模型来解决。核心的问题还是，这些bias导致一部分优秀的item unde 阅读全文

摘要： Gaas模式的讨论，这篇非常好 阅读全文

摘要： Synthetic Minority Oversampling TEnichque TL;DR：通过数据增强minority class来使得模型能够学习到minority的特征分布。 主要思想：模型学不到minority是因为没有见到足够的minority样本，因此不确定哪个特征空间才是minor 阅读全文

摘要： 欲望人会通过各种手段来欺骗理性人，让理性人放下警惕/抵抗，屈服于欲望。 1. 伪装得到真正的满足 在这种欺骗方式下，大脑会提前告诉自己，已经努力过并且立竿见影地获得了满足感/成就感/内心的平和，尽管努力的时间只有短短的半天/几个小时。在这种情况下，理性人就会放下警惕，反正我已经获得了自律带来的快乐。 阅读全文

摘要： 不做日常，只玩剧情。实际上，只玩每个版本的剧情，就够体验游戏的核心玩法了。而要肝的部分，就不玩了。这样才是master游戏，而不是成为策划的slave。 阅读全文