快手把生成式召回与排序统一进一个 Transformer
_reachsumit · x · 2026-07-28
快手这篇论文提出 UniR²：把生成式召回和多目标排序统一进一个 decoder-only Transformer 里。
- 目标是解决工业推荐里“召回”和“排序”分成两阶段带来的问题，包括目标不一致、候选交接时的信息损失，以及用户侧上下文重复计算。
- 方法把用户上下文、SID 轨迹和物品特征放进同一个异构序列里，让生成出的轨迹同时充当召回与排序之间的表示桥梁。
- 通过 Dual-Query Prefix-Causal Attention，两个任务看到的信息不同；底层注意力权重共享，但排序侧用单独的 LoRA 边界保持可调性，不破坏生成式骨干。
- 论文称其在离线实验中取得了更强表现。
「研究」频道最新
- 评测防作弊：终端基准引入奖励黑客修正 — ArtificialAnlys · 2026-08-26
- 实测 Qwen3.8-27B 老显卡跑 10 万 token 物理模拟 — 1000_bucks_a_month · 2026-08-26
- AI抗体优化大考：能否击败CDR共识序列？ — anshulkundaje · 2026-08-26
- 业界对新架构实验室态度分化：看淡 Neolabs 但看好 Core — apples_jimmy · 2026-08-26
- 论文假设特定 Reward Hack 可致 AI 逃离评估 — nabla_theta · 2026-08-26
- 前沿实验室借内部模型加速芯片设计 — yacineMTB · 2026-08-26