Google 生产级多任务推荐：辅助头学习跨任务关系，已上线 YouTube
_reachsumit · x · 2026-09-25
Google 团队的 RecSys 2026 论文《Learned Cross-Task Relationships in Multi-Task Models》提出在多任务模型中学习跨任务关系的框架：通过有针对性的成对关系近似任务标签的联合分布，借助迁移学习提升性能，同时避免直接建模完整联合空间的不可行复杂度。
- 该框架已部署于 YouTube 生产推荐系统，在 Notifications、Homepage、Watch Next 三个页面上均改善了准确率与用户满意度指标
- 团队提出成对辅助头估计跨任务协方差的实现方式，并给出可复用的工作流模板以便推广到其他多任务系统
「研究」频道最新
- PosteriorBench 入选 NeurIPS：逆问题求解不能只看点重建精度 — AnimaAnandkumar · 2026-09-25
- Dietterich：预训练阶段已迫使模型抽象泛化，不止鹦鹉学舌 — tdietterich · 2026-09-25
- 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
- 字节 OneTrans-V2 统一推荐三阶段 Transformer,线上 GMV 提升 9.74% — _reachsumit · 2026-09-25