大规模推荐系统早期检索的改进：Haruka Kiyohara 访谈

Haruka Kiyohara 等研究者提出 Credit-assigned Policy Gradient（CA-PG）方法，用于优化大规模推荐系统中两阶段排序的早期检索策略。传统早期检索策略训练依赖监督学习，存在位置偏差导致奖励回归对齐失效的问题，且端到端训练面临探索困难与奖励信号稀疏的挑战。CA-PG 通过仅对产生高奖励的候选 item 分配梯度信用，降低方差并提升早期策略训练效率。