Meta 团队提出 LION:稀疏记忆层化解生成式推荐演化冲突
_reachsumit · x · 2026-09-15
Meta 等机构论文针对生成式推荐的持续演化问题：不同用户的偏好变化在同一自回归参数空间中优化时，主流行为模式会压制少数模式，即「演化冲突」。
- 提出有效自演化的三条原则：隔离记忆、强化演化、可扩展应用。
- 据此构建 LION 框架，核心是稀疏 Key-Value 记忆层，隔离异质行为模式的学习，防止主流行为淹没弱势偏好。
- 论文与代码均已公开。
「研究」频道最新
- Adobe 与 UCLA 提出 Tev：用可验证进度奖励破解长程 Agent 训练难题 — jiqizhixin · 2026-11-02
- 老招新用：path tracing 加 portal 采样，64spp 噪点显著下降 — ssh4net · 2026-11-02
- Marcel Böhme 提出漏洞引导加固哲学：为何安全永远无法一劳永逸 — mboehme_ · 2026-11-02
- Perplexity 开源研究型基准 WANDR：500 任务、17 万条证据点 — thisguyknowsai · 2026-11-02
- AI 意识研究者:我们没有可靠方法判断 AI 是否有意识 — dioscuri · 2026-11-02
- 蚂蚁团队发布统一反伪造模型，AI视频鉴伪达96% — inclusionAI · 2026-11-02