字节 OneTrans-V2 统一推荐三阶段 Transformer,线上 GMV 提升 9.74%
_reachsumit · x · 2026-09-25
字节跳动发布 OneTrans-V2 论文，将工业推荐系统中原本分离的召回、预排、精排三个阶段统一为单个联合训练的 Transformer。
关键点：
- 用户行为序列只编码一次作为共享上下文，同时保留各阶段独立的候选特征与计算，避免重复编码与孤立优化
- 联合训练使三阶段互相增强，并在模型内部实现从精排到预排的知识蒸馏
- 共享骨干采用稀疏 MoE 扩展容量，用 μP 风格参数化稳定训练
- 提出 Decision-Conditioned Generative Retrieval（DCGR）：先生成描述下一步交互的决策前缀，再据此生成物品，让业务目标引导单一生成过程
线上效果：GMV 提升 9.74%。
「研究」频道最新
- 港城大提出 NSC 指标：无需训练即可评分网络架构，比参数量大 5900 倍速 — CityU-HongKong · 2026-09-25
- HRI 2027 新设存档级工业白论文赛道，征集机器人落地实践 — petitegeek · 2026-09-25
- 研究：推理并非总有用，15.7% 案例反而拉近难负样本 — _reachsumit · 2026-09-25
- Google 生产级多任务推荐：辅助头学习跨任务关系，已上线 YouTube — _reachsumit · 2026-09-25
- 免训练检索框架 Seek 用自评估迭代探索,BRIGHT 上超 BM25 达 82% — _reachsumit · 2026-09-25
- 字节 X-Rec 把推荐做成流匹配生成,推理吞吐达 SID-AR 的 3.46 倍 — _reachsumit · 2026-09-25