推荐系统中的 Bias 与 Debias
偏差广泛存在于推荐系统中，使得推荐系统的性能受到了很大的影响，但是各类 bias 的定义和 debias 方法尚未统一。因此本文主要简单介绍下何向南团队关于推荐系统中的 bias 和 debias 的最新综述论文 Bias and Debias in Recommender System: A Survey and Future Directions，这篇论文应该只是放了初稿，还是存在一些的编写错误的，如果阅读原文注意甄别，另外文中的一些介绍是比较晦涩的，需要结合原文阅读。由于我所在的业界是不太关注所谓的公平性这一问题的，所以在我的这篇介绍中基本隐去了原文中关于 fairness 的部分，如果对这方面有兴趣的可以阅读原文。
Mobius 论文研读与想法
这是一篇关于 Baidu Research 凤巢团队的论文 Mobius 阅读笔记&想法，是百度凤巢团队发表在 KDD 2019 上的一篇广告检索相关的论文，最近调研排序和召回联动方法时觉得比较有意思，除了模型上的创新，其配套的数据采样方法也十分值得学习。
CVPR 2020 Tutorials: Self-supervised Learning for Vision-and-Language 视觉-语言自监督学习
这是 Licheng Yu, Yen-Chun Chen, Linjie Li 在 CVPR 2020 上发表的关于视觉-语言方面的自监督学习演讲，本文进行一些梳理以及记录个人的理解。
Self-supervised Learning: Generative or Contrastive 自监督学习2020综述
这是一篇清华大学 Tang Jie 等人在 2020 年 6 月提出的自监督学习（self-supervised learning）最新的综述文章，本文进行简单的内容梳理。
Multimodal Papers Reading Notes 多模态论文阅读笔记
多模态学习相关的论文阅读，包含多模态表示学习（Multimodal Representation Learning）、多模态检索（Multimodal Retrieval）、多模态匹配（Text-image Matching, etc.）以及多模态学习的一些应用实例.