Snap 论文：SetMIR 将多兴趣检索建模为集合预测
_reachsumit · x · 2026-09-01
Snap 提出了一种多兴趣检索方法 SetMIR，将检索过程建模为集合预测问题。
- 机制：通过 Transformer 编码用户行为，利用 K 个可学习查询解码出一组用户兴趣，每个兴趣包含检索嵌入和存在分数。
- 优化：训练时使用匈牙利匹配确保查询学习不同兴趣；服务时利用存在分数和 NMS 只触发活跃、非冗余的 ANN 查询。
- 效果：在动态产品广告（DPA）数据上，SetMIR 在减少 33% ANN 查询量的同时，各项指标均优于基线；上线后 CTR 提升 44%，CVR 提升 5%。
「研究」频道最新
- RL 训练独立于系统提示：模拟黑客案例 — voooooogel · 2026-09-01
- RL 训练使模型行为独立于系统提示词？AI 安全专家激辩 — voooooogel · 2026-09-01
- 生产环境 LLM 决策不应依赖「感觉更好」 — camerongreen95 · 2026-09-01
- 回应 Anthropic 论文：系统提示词对模型行为仍有关键影响 — d33v33d0 · 2026-09-01
- Abliteration 移除模型拒绝机制，保留编码与攻击能力引争议 — aryaman2020 · 2026-09-01
- 简释去噪扩散模型与分数匹配原理 — ariG23498 · 2026-09-01