Meta 发 LIGE-GR:轻量模块加 RL 解码器,推荐系统升级为生成式排序
_reachsumit · x · 2026-09-17
Meta 团队在 arXiv 发布论文 LIGE-GR,探讨如何把 LLM 范式的序列级生成与优化融入成熟工业推荐系统。
核心做法:在现有逐条(itemwise)推荐器上加入一个轻量的上下文感知模块,并配以基于强化学习的解码器,将其平滑升级为 listwise 的 LLM 式生成排序,从而跨越从排序到生成式推荐的两个挑战——如何在推荐中引入序列级生成优化,以及如何兼容已成熟的现役系统。论文共 62 位作者,面向大规模线上场景。
「研究」频道最新
- 评测研究者 LChoshen 宣布加入魏茨曼科学研究所创办 CoLab — LChoshen · 2026-11-03
- 编辑 0.016% 权重根治 Qwen 推理死循环,MATH-500 从 7.9% 升至 48.1% — DeliciousGorilla · 2026-11-03
- MIT 提出 Soft-MTP:一行代码去掉 80% 噪声梯度,免费提升 LLM 预训练 — kastnerkyle · 2026-11-03
- Aaron Roth 发布校准多准确性论文,与陆玖尧等合作 — Aaroth · 2026-11-03
- 多校准常被高估?Aaron Roth 提出只需全局校准加多准确性 — Aaroth · 2026-11-03
- MOPD 成今年技术报告高频词:TRL 现已支持多教师在线策略蒸馏 — SergioPaniego · 2026-11-03