快手 UniRec 论文：跨阶段联合训练消除推荐系统不一致
_reachsumit · x · 2026-09-11
快手提出 UniRec，一个统一跨阶段推荐融合模型，解决级联推荐系统中预排序与排序阶段分别优化导致的跨阶段不一致问题：上游模型可能过滤掉下游排序器偏好的物品，独立调优的下游融合也会抵消上游收益。
核心做法有三点：
- 两个融合模块部分共享输入 embedding，在单一计算图中联合训练，任一阶段的梯度都能经共享表示影响另一阶段；
- 引入双轴偏好对齐目标——纵向跨阶段一致性项把下游成对偏好传递给上游融合分数，横向紧凑聚合项把数十个成对目标重组为双向偏好证据；
- 指出无约束的端到端融合优化存在退化风险并给出应对。
「研究」频道最新
- CiNet 第 11 届国际会议开放注册：从生物智能到通用 AI — kaixhin · 2026-09-11
- 研究者：循环 Transformer 有天然天花板，多数领域的测试时扩展靠环境交互 — generativist · 2026-09-11
- 经典免费书《From Python to NumPy》上线 AI 导读平台可在线阅读 — burkov · 2026-09-11
- 作者自评：该卒中模型 Dice 0.46 是天花板，前瞻性场景会打折 — maier_ak · 2026-09-11
- Fisher-KPP 反应扩散方程预测脑卒中损伤，Dice 较传统阈值法提升近一倍 — maier_ak · 2026-09-11
- 回望扩散模型之前:VQGAN,生成式视觉的奠基之作 — makeitrad1 · 2026-09-11