快手 UAGR:把分享完播率写进语义码,修复生成式推荐错杀
_reachsumit · x · 2026-11-04
快手团队提出 UAGR,让生成式推荐的语义标识(SID)与解码过程对齐下游多维效用目标。
问题:传统 SID 只编码语义相似性,忽略曝光后行为(分享、长观看、完播)反映的物品效用;beam search 按生成似然排序,高效用候选在重排前就被提前剪枝。
方法:
- 效用增强语义码:在不增加 SID 长度与词表的前提下嵌入物品级效用,支持增量更新,无需重新分词或重解码
- 效用引导解码:在 beam search 中结合效用估计,避免高价值候选被过早丢弃
「研究」频道最新
- Anthropic 称将「即将」达到 RSP 加速 AI 研发阈值，并发布可证明推理研究 — tobyordoxford · 2026-11-04
- Google 扫描 1033 件真实家居品,打包成 345MB GLB 免费开放 — victormustar · 2026-11-04
- 这 10 篇 GPU 优化论文决定了今天模型跑得多快 — NandoDF · 2026-11-04
- 实测推翻常见建议：INT8 几乎无害，采样器才是关键 — YakovSava · 2026-11-04
- Karpathy 带火 HN 开源数据集：千万级帖子可当知识库直接用 — huangyun_122 · 2026-11-04
- PixelCraft 多智能体框架登场：专治多模态模型读图表翻车 — burkov · 2026-11-04