Temporal Preference Optimization for Unsupervised Retrieval
面向无监督检索的时间偏好优化
🧭 时间感知检索 · 偏好优化
Sungkyunkwan University · Microsoft
用时间偏好优化（TRPO）训练无监督稠密检索器，使其偏好时间对齐文档
📌 工作参考价值（4 点）
- 在商品搜索/推荐中，可利用商品发布时间、季节性构建时间偏好对，无需人工标注即可训练检索器优先返回时效性强的物品
- 时间嵌入插值技巧可泛化到未见过的时间段（如未来促销期），解决时间冷启动问题
- 方法轻量：仅需在双塔模型中加入时间嵌入和偏好损失（类似DPO），容易集成到已有推荐召回模型
- 对比超大语言模型嵌入，用72.7倍更小模型达到更高nDCG，适合工程部署中的延迟和成本约束