Pinterest 开源 FORTE 框架:用扰动重要性+分组消融安全下线冗余特征
_reachsumit · x · 2026-10-12
Pinterest 发布论文 FORTE,一个模型无关的生产级框架,用于在工业推荐系统中发现、验证并移除不再需要的特征。核心难点是特征生命周期的不对称性:新增特征只需在某指标上带来收益,而移除特征不能回归任何指标——且特征间存在交互、重要性每日变化、被多个模型消费,移除极难排优先级。
方法要点:
- 高效扰动实现,支持每日特征重要性评估;
- 对所有低秩特征构建候选特征集做分组消融,应对特征交互;
- 离线结果对线上 A/B 测试有足够预测力,让弃用流程可放心进入线上验证;
- Lineage 追踪识别所有下游消费模型,确保完整兑现移除特征的训练集节省。
在两个大规模推荐系统上验证有效。
「研究」频道最新
- NeurIPS 会前工作坊 CL4SM 征稿：让科学建模尊重物理定律 — cici118 · 2026-10-12
- Adobe 提出时序信用稳定法,短序列训练泛化长上下文 — burkov · 2026-10-12
- 将 500MB RoBERTa AI 文本检测器压缩到 97MB,纯浏览器端运行 — Alternative_Detail31 · 2026-10-12
- PwC 论文阅读体验升级：加载更快还支持章节跳转 — NielsRogge · 2026-10-12
- Work2Skill 从人类 GUI 演示提炼可复用 Agent 技能,评测全面领先 — nex-agi · 2026-10-12
- 500 小时视触觉数据集 TouchScale:机器人操作成功率 22.5%→57.5% — 2077AIDataFoundation · 2026-10-12