快手 HubMixer：用潜在 Hub 高效混合推荐特征
_reachsumit · x · 2026-08-31
快手提出了 HubMixer，一种用于推荐系统中参数高效的特征交互架构。
- 背景：推荐 token 异构性强（用户画像、行为序列、上下文等），直接混合所有 token 参数效率低。
- 方法：引入少量可学习的“潜在 Hub”，通过“归纳-交互-读出”范式组织特征交互。Hub 通过交叉注意力归纳输入 token，并在更干净的潜在空间进行高阶交互。
- 优势：相比直接混合原始 token，该架构能以更少参数实现更高精度。
「研究」频道最新
- NVIDIA 开源 Kimodo：文本直接生成全身 3D 人体与机器人动作 — maier_ak · 2026-08-31
- Molmo 模型经 GEPA 优化提升 122% 性能 — lateinteraction · 2026-08-31
- Nature：生物医学论文 90% 显现 AI 辅助痕迹 — skdh · 2026-08-31
- ABot-Recon：仅用 12 帧上下文的长序列流式 3D 重建 — zhenjun_zhao · 2026-08-31
- WilLaGS：利用潜在外观场提升野生场景高斯泼溅 — zhenjun_zhao · 2026-08-31
- 新范式 Code-as-World：用代码表示物理世界进行推理 — _akhaliq · 2026-08-31