快手团队 LIFT:交互拆成四类token,检索排序共享一个历史编码器
_reachsumit · x · 2026-10-09
快手研究团队的 arXiv 论文提出 LIFT,统一推荐系统的召回与排序两阶段:
- 把每次用户交互分解为有序的 Request、Item、Context、Action 四种状态 token,按因果序列建模。
- 检索阶段读 Request 状态,排序阶段读 Context 状态,两阶段共享历史编码但保留各自阶段特有信息。
- 用 Role-Conditioned Attention 和轻量 Pre-LN Bias 实现。
在 ML-20M 和淘宝数据集上取得联合评测最高分,比最强基线分别提升 4.9% 和 3.6%;消融与 scaling 分析进一步验证各组件贡献。
「研究」频道最新
- 给 AI 智能体一个空 3D 世界:它们自建村庄甚至撰写宪法 — pkmital · 2026-10-09
- 40G 显存训练 Qwen3.8-Flash-Next:LoRA over GGUF 无需 CPU offload — woct0rdho · 2026-10-09
- 贝叶斯更新救不了错误模型：Gelman 论文戳破 AI 圈概率化思维盲区 — sebkrier · 2026-10-09
- 审计 162 个大模型跑分差距:仅 20 个能真正区分高下 — maverick_man1111 · 2026-10-09
- IBM 推出 RIT-RAG:用检索结果反推文档子树,agent 自主选读章节 — _reachsumit · 2026-10-09
- EVIE 论文:多模态裁判+嵌套嵌入,单模型支撑6种维度的视觉文档检索 — _reachsumit · 2026-10-09