研究人员开发了分层稀疏激活压缩（HiSAC）框架，该框架旨在使超长序列建模在推荐系统中变得可行。HiSAC通过将交互编码为多级语义ID并使用分层投票机制激活个性化兴趣代理来解决现有方法的局限性。这种方法允许细粒度的偏好中心，并使用Soft-Routing Attention高效地聚合历史信号，从而最大限度地减少量化误差并保留长尾偏好。在淘宝“猜你喜欢”功能上部署HiSAC后，该框架展示了显著的压缩和成本降低效果，点击率提高了1.65%。 AI
影响 通过处理更长的用户行为序列，实现更高效和个性化的推荐。
排序理由 发布关于序列建模新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
