人大 LoopRec:按条目自适应递归深度,序列推荐兼顾效率与精度
Zhanshuo Cao · hf · 2026-10-22
中国人民大学高瓴人工智能学院提出 LoopRec,针对序列推荐模型的固定计算预算设计提出挑战。
- 诊断发现:非均匀计算需求——同一序列中不同物品所需计算量差异巨大,多数在浅层处理即收敛,关键少数只有满深度才稳定
- 方法:递归共享块 + early-exit 门控,实现对每个物品自适应的计算深度
- 同时提升效率与准确性
「研究」频道最新
- GDPval 基准被批：随手抽到的种子任务质量就翻车 — vincent_koc · 2026-10-22
- GPT-6-Astra 评测：12 项机器人基准接近饱和，实测仍难落地 — rohanpaul_ai · 2026-10-22
- InceptionV1 神经元「尖vs圆」规则遭实测推翻,可解释性叙述被质疑 — livgorton · 2026-10-22
- 3 个月产出 36 篇预印本，BootLoops 工具链让 AI 跨学科裂变式科研 — DeryaTR_ · 2026-10-22
- Meta 与密州大论文：LLM 推理图质量参差，错误会污染置信度分数 — rohanpaul_ai · 2026-10-22
- 新论文：一价拍卖能否在去中心化市场中高效分配 AI agent 查询 — _onionesque · 2026-10-22