PulseAugur
中
实时 15:25:42
English(EN) Stream-aware Side Adaptation for Large Pre-trained Multimodal Embedding Models in Sequential Recommendation

新的Stresa框架增强了用于推荐的多模态嵌入模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为Stresa的新型框架，旨在增强大规模预训练多模态嵌入模型在序列推荐任务中的性能。Stresa通过引入流感知隐藏适配器融合（SHAF）来保持融合过程中的历史记忆，并使用残差流适配器（ReSA）在层间进行选择性更新，从而解决了这些模型的适配挑战。实证评估表明，Stresa在公共数据集上的表现优于现有的侧面适配器和最先进的基线模型，展示了其在适配大规模嵌入模型以用于推荐系统方面的有效性。 AI

影响 这项研究通过更好地利用大规模预训练多模态模型，有望带来更有效和高效的推荐系统。

排序理由 这是一篇研究论文，详细介绍了一种用于适配大规模预训练多模态嵌入模型的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

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

新的Stresa框架增强了用于推荐的多模态嵌入模型

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Xuri Ge ·

    Stream-aware Side Adaptation for Large Pre-trained Multimodal Embedding Models in Sequential Recommendation

    Recently, large pretrained multimodal embedding models such as Qwen3-VL Embedding have shown strong promise for sequential recommendation, as they provide reusable semantic item representations across modalities and domains. However, directly using these embeddings often leads to…

相关实体

相关话题