Buchumschlag

ORBIT -- Open Recommendation Benchmark for Reproducible Research with Hidden Tests

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Jingyuan, Liu, Jiongnan, Oberoi, Vishan Vishesh, Wu, Bolin, Patel, Mahima Jagadeesh, Mao, Kangrui, Shi, Chuning, Lee, I-Ta, Overwijk, Arnold, Xiong, Chenyan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Information Retrieval Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DeepResearchGym: A Free, Transparent, and Reproducible Evaluation Sandbox for Deep Research
von: Coelho, João, et al.
Veröffentlicht: (2025)

ResearchArena: Benchmarking Large Language Models' Ability to Collect and Organize Information as Research Agents
von: Kang, Hao, et al.
Veröffentlicht: (2024)

RBoard: A Unified Platform for Reproducible and Reusable Recommender System Benchmarks
von: Shao, Xinyang, et al.
Veröffentlicht: (2024)

Generalizing Conversational Dense Retrieval via LLM-Cognition Data Augmentation
von: Chen, Haonan, et al.
Veröffentlicht: (2024)

Interpret and Control Dense Retrieval with Sparse Latent Features
von: Kang, Hao, et al.
Veröffentlicht: (2024)

A Reproducible Analysis of Sequential Recommender Systems
von: Betello, Filippo, et al.
Veröffentlicht: (2024)

Informfully Recommenders -- Reproducibility Framework for Diversity-aware Intra-session Recommendations
von: Heitz, Lucien, et al.
Veröffentlicht: (2025)

Generate, Not Recommend: Personalized Multimodal Content Generation
von: Liu, Jiongnan, et al.
Veröffentlicht: (2025)

Aligning Web Query Generation with Ranking Objectives via Direct Preference Optimization
von: Coelho, João, et al.
Veröffentlicht: (2025)

What Generative Search Engines Like and How to Optimize Web Content Cooperatively
von: Wu, Yujiang, et al.
Veröffentlicht: (2025)

Enhancing Dense Retrievers' Robustness with Group-level Reweighting
von: Han, Peixuan, et al.
Veröffentlicht: (2023)

Cold-Starts in Generative Recommendation: A Reproducibility Study
von: Zhang, Zhen, et al.
Veröffentlicht: (2026)

LISRec: Modeling User Preferences with Learned Item Shortcuts for Sequential Recommendation
von: Xin, Haidong, et al.
Veröffentlicht: (2025)

A Worrying Reproducibility Study of Intent-Aware Recommendation Models
von: Shehzad, Faisal, et al.
Veröffentlicht: (2025)

Binge Watch: Reproducible Multimodal Benchmarks Datasets for Large-Scale Movie Recommendation on MovieLens-10M and 20M
von: Spillo, Giuseppe, et al.
Veröffentlicht: (2026)

The Hidden Cost of Defaults in Recommender System Evaluation
von: Berling, Hannah, et al.
Veröffentlicht: (2025)

Mitigating Hidden Confounding Effects for Causal Recommendation
von: Zhu, Xinyuan, et al.
Veröffentlicht: (2022)

Memento: Personalized RAG-Style Long-Retention Data Scaling for META Ads Recommendation
von: Chen, Xiaoyu, et al.
Veröffentlicht: (2026)

From Top-1 to Top-K: A Reproducibility Study and Benchmarking of Counterfactual Explanations for Recommender Systems
von: Nguyen, Quang-Huy, et al.
Veröffentlicht: (2026)

Unlocking the Hidden Treasures: Enhancing Recommendations with Unlabeled Data
von: Zhao, Yuhan, et al.
Veröffentlicht: (2024)

Efficient Dataset Selection for Continual Adaptation of Generative Recommenders
von: Jiao, Cathy, et al.
Veröffentlicht: (2026)

A Systematic Reproducibility Study of BSARec for Sequential Recommendation
von: Hutter, Jan, et al.
Veröffentlicht: (2025)

DomainRAG: A Chinese Benchmark for Evaluating Domain-specific Retrieval-Augmented Generation
von: Wang, Shuting, et al.
Veröffentlicht: (2024)

A Reproducibility Study of Goldilocks: Just-Right Tuning of BERT for TAR
von: Mao, Xinyu, et al.
Veröffentlicht: (2024)

DataRec: A Python Library for Standardized and Reproducible Data Management in Recommender Systems
von: Mancino, Alberto Carlo Maria, et al.
Veröffentlicht: (2024)

Are Representation Disentanglement and Interpretability Linked in Recommendation Models? A Critical Review and Reproducibility Study
von: Dervishaj, Ervin, et al.
Veröffentlicht: (2025)

Impacts of Mainstream-Driven Algorithms on Recommendations for Children Across Domains: A Reproducibility Study
von: Ungruh, Robin, et al.
Veröffentlicht: (2025)

A Reproducibility Study of Product-side Fairness in Bundle Recommendation
von: Nguyen, Huy-Son, et al.
Veröffentlicht: (2025)

Revealing the Hidden Impact of Top-N Metrics on Optimization in Recommender Systems
von: Wegmeth, Lukas, et al.
Veröffentlicht: (2024)

Fusion-in-T5: Unifying Document Ranking Signals for Improved Information Retrieval
von: Yu, Shi, et al.
Veröffentlicht: (2023)

LLaTTE: Scaling Laws for Multi-Stage Sequence Modeling in Large-Scale Ads Recommendation
von: Xiong, Lee, et al.
Veröffentlicht: (2026)

From Hidden Profiles to Governable Personalization: Recommender Systems in the Age of LLM Agents
von: Liu, Jiahao, et al.
Veröffentlicht: (2026)

Dwell in the Beginning: How Language Models Embed Long Documents for Dense Retrieval
von: Coelho, João, et al.
Veröffentlicht: (2024)

Reproducibility Companion Paper:In-processing User Constrained Dominant Sets for User-Oriented Fairness in Recommender Systems
von: Liu, Yixiu, et al.
Veröffentlicht: (2025)

ORBIT: Scalable and Verifiable Data Generation for Search Agents on a Tight Budget
von: Thakur, Nandan, et al.
Veröffentlicht: (2026)

Benchmarking News Recommendation in the Era of Green AI
von: Liu, Qijiong, et al.
Veröffentlicht: (2024)

Large-scale Benchmarks for Multimodal Recommendation with Ducho
von: Attimonelli, Matteo, et al.
Veröffentlicht: (2024)

Reproducibility Companion Paper: Making Users Indistinguishable: Attribute-wise Unlearning in Recommender Systems
von: Li, Yuyuan, et al.
Veröffentlicht: (2025)

WarpRec: Unifying Academic Rigor and Industrial Scale for Responsible, Reproducible, and Efficient Recommendation
von: Avolio, Marco, et al.
Veröffentlicht: (2026)

ORBIT: Preserving Foundational Language Capabilities in GenRetrieval via Origin-Regulated Merging
von: Verma, Neha, et al.
Veröffentlicht: (2026)