GrIS 论文：把语义 ID 构建模成图递归划分，统一生成式推荐
_reachsumit · x · 2026-10-02
论文核心
生成式推荐中的语义 ID（Semantic IDs）构建可重新表述为一个递归聚类问题：对「节点携带语义内容、边携带协同信号」的图做层次化划分。这一框架 GrIS（Graph-Informed Semantic IDs） 统一并涵盖已有方法而非取代它们。
关键发现
- RQ-VAE 与 RQ-KMeans 被还原为「图为空」的特例，即仅内容量化的方法只是更大设计空间的一个角落，沿「图构建」与「递归划分算法」两条此前被折叠的轴展开。
- 两种实现：RecDMoN（可微图池化做层次分配）与 RQ-GAE（扩展 RQ-VAE，加入图感知物品表示与图重建目标）。
- 在多个真实数据集上，GrIS 一致优于纯协同过滤基线。
「研究」频道最新
- 视频:从 GAN 到 self-play,对抗目标如何贯穿现代 AI 技术 — manicman1999 · 2026-10-02
- 新论文质问：基因表达基础模型的基准评测真的有信息量吗 — simocristea · 2026-10-02
- 牛津 VGG 发布 SynCity 3000：一次生成全局连贯的大规模 3D 场景 — rsasaki0109 · 2026-10-02
- ChrSzegedy 翻出 2019 年访谈：当年被视为疯狂的 AI 数学与编程时间线 — ChrSzegedy · 2026-10-02
- Omni-Embed-Mini：0.9B 参数统一嵌入六种模态且文本检索零退化 — _reachsumit · 2026-10-02
- Apple 论文:选择式结构化推理降低搜索 agent 延迟超 90% — _reachsumit · 2026-10-02