RPSD：用最优传输实现检索特权在线自蒸馏的序列推荐方法

RPSD 将在线自蒸馏（OPSD）引入序列推荐，用具备特权知识的教师模型重新评估学生模型的在线回复，把序列级奖励重塑为 token 级置信度差异。教师模型的特权知识来自相似用户的行为证据，通过时序感知最优传输（OT）结合物品相似度与时间结构比较用户交互轨迹，并用多样性感知选择保留互补轨迹。在多个真实数据集上，RPSD 取得 SOTA 性能。