Inżynier ML w Roblox, Xiao Yu, otrzymuje nagrodę „Test of Time”
Z przyjemnością gratulujemy inżynierowi ds. uczenia maszynowego w firmie Roblox, Xiao Yu, oraz jego współautorom otrzymania nagrody Test of Time podczas 17. Międzynarodowej Konferencji ACM poświęconej wyszukiwaniu w sieci i eksploracji danych (WSDM 2024). Nagroda Test of Time jest wyrazem uznania dla historycznego wpływu badań, które zmieniły trendy i kierunek rozwoju tej dyscypliny. Nagroda ta jest przyznawana publikacji naukowej sprzed 10 lat, która wywarła trwały wpływ.
Zwycięska praca, zatytułowana „Personalized Entity Recommendation: A Heterogeneous Information Network Approach” (Spersonalizowane rekomendacje podmiotów: podejście oparte na heterogenicznej sieci informacyjnej), została po raz pierwszy zaprezentowana podczas konferencji WSDM 2014, kiedy Yu był pracownikiem naukowym na Uniwersytecie Illinois w Urbana-Champaign. Yu dołączył do Roblox w 2022 roku i pracował nad językiem naturalnym, wizją komputerową, dużymi modelami językowymi oraz generatywną sztuczną inteligencją, w tym nad naszymi najnowszymi pracami nad tłumaczeniem czatu AI w czasie rzeczywistym oraz moderacją głosu w czasie rzeczywistym.
Yu twierdzi, że nagrodzona praca „wprowadza koncepcję cech ukrytych opartych na metścieżkach jako reprezentacji użytkowników i elementów. Miało to miejsce, zanim uczenie się reprezentacji stało się najnowocześniejszym rozwiązaniem w systemach rekomendacji. Chociaż wyprzedza to powszechne stosowanie osadzeń w sieciach heterogenicznych i systemach rekomendacji, obserwacje i filozofia przedstawione w tej pracy zainspirowały wielu badaczy do ponownego zbadania tego problemu i wywołały falę innowacyjnych badań w tej dziedzinie”.
Badania opublikowane przez Yu i jego współpracowników zyskały znaczące uznanie w ciągu ostatniej dekady, w miarę jak silniki rekomendacyjne stawały się coraz bardziej powszechne. „Dzięki uwzględnieniu różnorodnych informacji o relacjach nasza metoda w większym stopniu personalizuje rekomendacje, co prowadzi do bardziej dokładnych, trafnych i dostosowanych do użytkowników sugestii. Ma to kluczowe znaczenie w dzisiejszym scenariuszu nadmiaru informacji, w którym ludzie są bombardowani nieistotnymi rekomendacjami” – mówi Yu.
„Przed opublikowaniem tego artykułu hybrydowe systemy rekomendacji oparte na grafach często wykorzystywały jeden rodzaj relacji, na przykład to, czy użytkownik kupił wcześniej dany produkt. Było to jedno z pierwszych podejść wykorzystujących heterogeniczność relacji w sieci. Dzięki modelowaniu różnych relacji proponowany system rekomendacji pozwala uzyskać bogatsze i bardziej zróżnicowane zrozumienie preferencji użytkowników oraz cech produktów”.
Dowiedz się więcej o najnowszych badaniach nad sztuczną inteligencją w Roblox tutaj.
