OxygenREC-v2 把判别能力内化进 3B MoE 推荐器
_reachsumit · x · 2026-07-28
OxygenREC-v2 提出了一种把“判别能力”直接内化到生成式推荐里的方法，目标是解决生成式推荐在点击、加购、购买等行为信号上的对齐问题。
- 传统做法要么把生成目标和判别目标一起优化，存在权衡问题；要么把单独的 ranker / reward model 放到后面，容易出现分布外打分和奖励错配。
- 这篇工作改为直接用日志行为来条件化生成：预训练阶段通过“行为指令”引导模型朝目标行为生成；后训练阶段把未来交互行为当作特权知识，结合熵感知的轨迹优化与自蒸馏，做无需 reward model 的策略优化。
- 整个系统保持单一统一 backbone，作者实现成一个 3B 参数、1B 激活参数的 MoE，并已经部署到大型电商平台上。
- 文中称在多个线上 A/B 测试中，模型带来了点击率等指标的提升。
「Infra」频道最新
- 一家公司把 AI 月账单从 120 万美元压到约 10 万美元 — HeyAmit_ · 2026-07-28
- Base 上已现数千万笔支付，Agentic Commerce 仍难被发现 — Timwal123 · 2026-07-28
- 帖子称这项 NVIDIA 相关发布仍只限微软 Foundry 审批客户 — davidmanheim · 2026-07-28
- 8 张 B300 自建推理月跑 300 亿 tokens，回本不到 100 天 — JosephJacks_ · 2026-07-28
- Render 开源 MCP 服务器，接入部署日志指标和 Postgres — ojus_render · 2026-07-28
- Anduril 集装箱数据中心两人十分钟内可部署 — damianplayer · 2026-07-28