SA-RSQ：多模态推荐系统的稀疏表示框架

_reachsumit · x · 2026-08-25

论文提出了 SA-RSQ（基于稀疏激活的残差软量化），用于压缩多模态物品嵌入。该方法通过 Top-K 稀疏路由和 softmax 权重存储紧凑的元组，解耦了存储与码本维度的关系，避免了硬量化的精度损失。实验显示在存储预算 8-48 字节/物品时具有较好的重构与 CTR 权衡，在线 A/B 测试中 CTR 提升 2.51%。

原文链接 →

「研究」频道最新

• 具身 AI 新基准 EgoStandard 登顶 Hugging Face — LightwheelAI · 2026-08-25
• 微软开源 Thinkingbox 智能体状态工作流基准 — microsoft · 2026-08-25
• AAAI 2027 审稿争议：论文无代码数据该拒稿吗？ — SimpleObvious4048 · 2026-08-25
• 新研究探究 LLM Agent 是否具备时间感知与预算意识 — maksym_andr · 2026-08-25
• 重访 N2DCG：轮播推荐评估的实证重 formulation — _reachsumit · 2026-08-25
• RAG崩溃：检索到自生成内容时LLM答案趋同，79.6%模拟崩溃 — _reachsumit · 2026-08-25

更多「研究」频道 AI 资讯 →