百度 MuSeR 压缩十万级用户历史序列,多兴趣建模提升长程推荐召回
_reachsumit · x · 2026-09-22
百度发表论文 MuSeR,面向超长用户行为序列的可扩展多兴趣推荐检索框架。
- 痛点:工业推荐系统在延迟与内存预算下通常把用户历史截断到几百条行为,长期兴趣信号被浪费;稀疏 ID 嵌入也难以表达跨新闻、问答、短视频的多种异质意图。
- 三大组件:①分层时间压缩,近期行为保留全分辨率、旧行为逐级池化,使每用户 10^4–10^5 条交互适配固定服务预算;②带正交正则的解耦多查询兴趣提取;③多模态语义对齐,用 LLM 蒸馏的文本摘要增强稀疏物品 ID。
- 工程与效果:采用异步用户表征刷新、自适应缓存与跨异构硬件的分层 beam-search 检索;在三个公开基准与大规模工业数据集上 Recall@K 一致优于强长序列基线。
「研究」频道最新
- 斯坦福把论文变成 AI Agent,两个 Agent 跨论文挖出 ADHD 新基因关联 — VraserX · 2026-09-22
- 小米 MiMo 2.6 Pro 协助完成李-约克定理 Lean 形式化，超 6000 行代码 — bookwormengr · 2026-09-22
- 首个古希腊语大模型 Apollo 诞生,专修残破莎草纸文献 — nordicinst · 2026-09-22
- Two Minute Papers 解读 Jev：宣称让 AI 提速 200 倍但有代价 — Two Minute Papers · 2026-09-22
- 新 LLM 填补古希腊纸草残片缺文,助解码古代生活 — Wired AI · 2026-09-22
- Anthropic 自建生物实验室,让 Claude 操纵机器人做药物实验 — The Decoder · 2026-09-22