PulseAugur
中
实时 23:23:00
English(EN) Macro Graph of Experts for Billion-Scale Multi-Task Recommendation

阿里巴巴部署百亿级推荐的MGOE，提升性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了专家宏图（MGOE）框架，这是一种面向百亿级多任务推荐系统的新方法。该框架通过利用宏图嵌入来捕获特定任务的特征并对专家之间的相关性进行建模，独特地整合了图信息。MGOE已被阿里巴巴成功部署于其百亿级推荐系统中，与现有的最先进方法相比，在离线实验和在线A/B测试中均显示出显著的改进。 AI

影响 通过整合图结构来增强大规模推荐系统，以提高性能和任务相关性建模。

排序理由 发布了一篇详细介绍大规模推荐系统新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

阿里巴巴部署百亿级推荐的MGOE，提升性能

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Hongyu Yao, Zijin Hong, Hao Chen, Zhiqing Li, Qijie Shen, Zuobin Ying, Qihua Feng, Huan Gong, Feiran Huang ·

    Macro Graph of Experts for Billion-Scale Multi-Task Recommendation

    arXiv:2506.10520v5 Announce Type: replace-cross Abstract: Graph-based multi-task learning at billion-scale presents a significant challenge, as different tasks correspond to distinct billion-scale graphs. Traditional multi-task learning methods often neglect these graph structure…

相关实体

相关话题