信用分配

深度分析

Owen‑Shapley Policy Optimization（OSPO）：以片段歸因解決生成式推薦的信用分配

研究背景：大型語言模型在生成型推薦任務面臨序列級稀疏回饋與歸因困難。核心做法：提出OwenShapley策略優化（OSPO），將語義連續片段視為聯盟，以Owen值量化片段邊際貢獻，並依貢獻重分配序列級優勢，無需價值模型。主要結果：在商品搜尋資料集，OSPO在樣本效率與對未見檢索器穩健性優於基線。