OptIDC：用最优传输统一 CTR 模型的样本、特征与 Embedding 选择
_reachsumit · x · 2026-10-28
论文提出 OptIDC 框架，首次在统一框架内联合学习 CTR 预测输入侧的三个配置层级：样本选择、特征选择和 embedding 单元选择。现有研究通常只沿单一维度独立优化选择机制，忽略了跨层依赖。OptIDC 引入「选择加权最优传输」机制，通过有限测度上的传输对齐粗细粒度选择决策，缓解跨层选择冲突同时保留各层语义。框架与具体模型无关，可与现有特征交互架构结合。
「研究」频道最新
- Ben Goertzel 用玩具模拟探索超级智能吸引子：自私优化器与仁慈智能体的动力学 — bengoertzel · 2026-10-28
- ReGE 论文：把 agent 执行经验合成指导，无需更强教师即可自我提升 — TIGER-Lab · 2026-10-28
- 统计学家辩战：巴西事件非「不可能」，是分布选错了 — doodlestein · 2026-10-28
- Mercor 发布开源任务目录 TaskNet：六大职业 79 项任务未被官方职业分类收录 — Diyi_Yang · 2026-10-28
- 一个模型、几名科学家：60 年等离子猜想反例、数小时设计出新型酶 — Dr_Singularity · 2026-10-28
- 研究探讨 LLM 是否降低化学武器攻击门槛，十月前免费开放 — davidmanheim · 2026-10-28