Meta Bumblebee 将序列建模与特征交叉合进推荐 block
_reachsumit · x · 2026-07-29
核心思路
Meta 提出的 Bumblebee 推荐系统架构，不再把序列建模和特征交叉分成两段式堆叠，而是把它们放进同一个可堆叠 block 里交错执行。
论文主张
- 每个 block 内同时做序列个性化、注意力编码和特征交叉。
- block 输出的是联合表示，再传给下一个 block，形成早期、反复的模态融合。
- 残差连接让跨模态信息持续流动。
- 通过按需移除组件，可以在效果和吞吐之间做权衡。
价值
作者希望用这种“更紧耦合”的设计，在不增加参数量的情况下提升推荐质量。
「公司和人」频道最新
- 谷歌调查 2403 名高管：84% 看到 AI 回报，但仅 26% 认为在加速 — shashib · 2026-07-29
- 韩国 AI 概念股重挫 10.84%，三星和 SK 海力士齐跌 — emmanuelvivier · 2026-07-29
- 微软自研 AI 模型降本 89%，开始减少对 OpenAI 依赖 — emmanuelvivier · 2026-07-29
- 欧盟 AI Act 按风险分级推进，禁止明显危害性 AI 实践 — emmanuelvivier · 2026-07-29
- Apple 据称起诉 OpenAI，指控未来硬件相关商业秘密被盗用 — emmanuelvivier · 2026-07-29
- Link 推出面向 AI 代理的钱包，支持用户审批后代付 — gabriel1 · 2026-07-29