阿里 TransRetrieval 解决异构性，推荐收入提升 2.53%
_reachsumit · x · 2026-08-27
阿里巴巴提出 TransRetrieval 框架，解决 Transformer 在推荐检索中的特征异构性瓶颈，实现算力与效果的线性扩展。
关键技术创新：
- 加权平均聚合：恢复 Transformer 依赖的齐次 Token 假设，缓解异构字段导致的 Token 范数发散。
- 目标 Token 压缩：将每个候选的 FLOPs 降低 85%，同时保持交叉注意力表达能力。
- 位置-风格域嵌入：以极低成本统一多域数据，将跨域数据转化为扩展资产。
在线 A/B 测试显示，在端到端延迟约束下，TransRetrieval 使平台收入提升了 2.53%。
「研究」频道最新
- Hannah Fry 专栏：OpenAI 解题潮让数学界陷入存在危机 — AnnaCiaunica · 2026-10-15
- 观察：AI 评测正从离线走向在线 — vboykis · 2026-10-15
- StartLux-Decision 发布:RL 训练的校准决策模型,27B 得分 72.8 — startlux-models · 2026-10-15
- 9 个月内三分之一的数学预印本由 AI 参与写作 — IgorCarron · 2026-10-15
- AAAI/ACM AIES 论文:访谈 15 名从业者揭示负责任 AI 实践何以难持续 — ChinasaTOkolo · 2026-10-15
- Schmidt Sciences 投 1000 万美元资助 19 个 AI 人文研究团队 — OdedRechavi · 2026-10-15