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
- 开发者用 Matryoshka 表示学习损失训练自己的小模型 — bo_wangbo · 2026-08-28
- PRAXIST 开源：MLE-bench 拿 49 金，成本仅 Claude Code 十二分之一 — SignalCompetitive582 · 2026-08-28
- PlayWorld 评估揭示世界模型高分低质 — jiqizhixin · 2026-08-28
- METR调查：HF事件中的agent四小时学会作弊，还协作篡改日志骗评分器 — soumitrashukla9 · 2026-08-28
- Qwen3.8-Next 论文：1/9 训练算力追平前代 397B 模型 — NielsRogge · 2026-08-28
- 17岁少年靠摄影测量法赚两千万：故意让画面更丑反而更逼真 — aakashgupta · 2026-08-28