推荐系统是互联网时代的重要技术，利用用户历史行为和社交关系进行产品推荐。本文介绍了基于Spotlight的电商推荐系统，使用Python和PyTorch构建模型，适合企业和开发者。内容涵盖环境配置、代码编写、模型训练与测试，最终通过MRR指标评估推荐效果。

微软开源了三个模型，Phi-3.5-mini-instruct适用于内存或算力受限的设备，Phi-3.5-vision-instruct能处理文本和视觉信息，HyperAI提供了模型部署教程。还有优质教程、公共数据集、社区文章和热门百科词条推荐。

该文介绍了两种新的损失函数，用于克服动态网络在时间上的演变所带来的挑战。在合成和真实动态网络上进行了广泛评估，结果显示出比原始损失函数更优越的性能。所提出的损失函数在具有多样的用户交互历史的真实网络中，在 MRR 上实现了超过 26.9% 的增强和 Recall@10 上的超过 11.8% 的改善。这些发现凸显了动态网络建模中所提出的损失函数的功效。

本研究提出政策检索任务，引入中文股票政策检索数据集(CSPRD)，对700多个招股说明书文段进行标注。实验结果表明，CSPRD对于双编码模型是有效的，最佳基准模型在开发集上达到了56.1％的MRR@10，28.5％的NDCG@10，37.5％的Recall@10和80.6％的Precision@10。