SIDRec 端到端学习语义 ID，CTR 预测最高提升 5.15%
_reachsumit · x · 2026-11-04
论文提出 SIDRec，一个端到端的推荐感知语义 ID（SID）学习框架，解决现有 SID 方法的两类错配：内容语义与协同偏好错配、SID 构造与推荐目标错配。
- 自更新融合机制：将预训练内容表示与协同嵌入显式融合，实现偏好感知的语义建模
- 受 MMoE 启发的联合优化（共享专家+任务门控），让推荐损失直接引导可微量化量化，产出任务自适应的离散表示
- 三个公开基准上 AUC 与 GAUC 全面领先最强基线，相对提升最高 5.15%
「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