生成式推荐 beam search 的首步覆盖瓶颈：重排宽度省一半预算
_reachsumit · x · 2026-11-04
论文发现生成式推荐器（TIGER）中 beam search 的 top 排名路径全部在首个解码步被剪掉，即「首步覆盖瓶颈」。
- 在跨 3 个领域、2 种标识符构造的 6 个全量测试设置中，所有被剪掉的精确 top-10 路径均首步丢失
- 把搜索宽度集中到第一步：在 Beam-50 同等预算下 Search Recall@10 提升 0.96–10.90 个百分点
- RQ-VAE 标识下，重排后的调度以名义预算 151（而非 301）复现 Beam-100 的有序 top-10，无需重训练；匹配输出时解码器延迟节省约 6.4%
「研究」频道最新
- 哈佛教授承认：AI 生成的文章评审已全面优于人类最佳水平 — iamfakhrealam · 2026-11-04
- Cohere等论文:合成预训练收益竟源于嵌入初始化偏差 — LauraRuis · 2026-11-04
- kalomaze 展示 DeepSeek V3.1 底座更大骨干实验，eval loss 降至约 0.82 — kalomaze · 2026-11-04
- Reddit 网友无梯度改写 Qwen 0.6B 权重：39.8M token 让模型「爱上一支乐队」 — Altruistic_Heat_9531 · 2026-11-04
- SpecPilot 智能体自动优化投机解码：速度从 4.46× 提升至 10.87× — pmttyji · 2026-11-04
- 自主 Agent 定制 MSA 策略，提升 AlphaFold 3 蛋白复合物预测 — SJTU · 2026-11-04