Meta 提出 Guided SID：约束语义 ID 粗层属性，让细层真正可学
_reachsumit · x · 2026-09-22
Meta 在 arXiv（2609.22227）发布生成式检索新工作 Guided SID。生成式检索用短语义 ID（Semantic ID）表示物品，把推荐任务转化为对该序列的自回归生成，但独立训练的 tokenizer 编码通常与下游 LLM 和任务不对齐，现有 SID 系统普遍需要额外手段弥合这一鸿沟。
方法：强制 RQ-VAE 的粗层编码一个预定义的类别属性——选择文本可支撑（LLM 可读）且与任务相关的属性——用确定性监督索引分配覆盖最近邻选择，同时保持码本可学习（仍接收重建梯度）；trie-merge 构造可将高基数属性映射到固定码预算且合并桶语义连贯。
结果：引导本身不引入内在成本，碰撞与重建指标持平甚至超过原始基线；在仅 SID 编码不同的端到端 A/B 实验中，引导检索器在所有测量的列表长度上都提升 recall@k（最高约 1.36 个点）。
「研究」频道最新
- 开发者逆向复现 DLSS5 神经渲染,Vulkan 实现 75 层输出逐字节一致 — bdsqlsz · 2026-09-22
- 论文《The Pain Axis》探测模型内部「痛苦」模式并人为激活验证 — voices4AI · 2026-09-22
- Decision Index 0.1 发布：向每个模型提问 13 万次横评 30+ 决策模型 — multimodalart · 2026-09-22
- Deep Persona 三层心理架构，让 LLM 角色扮演更贴近真人 — UoHaifa · 2026-09-22
- 大连理工 CARE 框架让 VLA 机器人从失败中学会纠错，成功率提升 15.9 点 — dalian-university-of-technology · 2026-09-22
- Mira-Scene 用像素对齐坐标图解决生成式 3D 场景布局，3D-IoU 提升 39.8% — Yang-Tian Sun · 2026-09-22