面向 CTR 预测重思位置编码与交互粒度的新论文
_reachsumit · x · 2026-10-29
论文《Rethinking Positional Encoding and Interaction Granularity for CTR Prediction》提出一种新的 CTR(点击率)预估模型:对用户每个行为编码其在序列中的排名(rank)以及相对目标的时间信息,并让行为在时间分组内相互做注意力交互,以改进序列建模的位置编码与交互粒度设计。
「研究」频道最新
- 伯克利等提出信息论缩放律：可预测扩散模型的记忆化与 FID — LucaAmb · 2026-10-29
- ICLR 审稿人晒评分:五篇全打 1 分,最低 2 分 — chhaviyadav_ · 2026-10-29
- kalomaze 质疑 hnet 基线:有效深度不匹配且未报 wall clock — kalomaze · 2026-10-29
- AVERT 研究启动：量化自动驾驶能否减少创伤 — zakkohane · 2026-10-29
- 结合蛋白设计只解释约 3% 临床失败，AlphaFold 类模型被高估？ — clarejtbirch · 2026-10-29
- 研究演示现「上下文分词」涌现行为,层级网络完胜传统分词器 — willdepue · 2026-10-29