PulseAugur
中
实时 08:37:28
English(EN) PromptPack: Scaling LLM Annotation Agents for Online Recommendation

PromptPack 为推荐平台将 LLM 注释成本降低 89%

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 PromptPack，这是一个旨在降低在线推荐平台使用大型语言模型 (LLM) 的成本并提高效率的新系统。该系统通过实现上下文批处理来解决与单个 LLM 调用相关的高令牌成本问题，该批处理结合了共享系统提示和严格的 XML 结构来同时处理多个广告素材。据报道，与现有方法相比，这种方法将 LLM 成本降低了 89%，吞吐量提高了 2.5 倍，同时保持了 AUC 等性能指标，并引入了一个名为 Volume-Weighted Absolute Lift (VWAL) 的新指标来评估特征质量。 AI

影响 降低了 LLM 的运营成本，可能有助于更广泛地采用由 LLM 驱动的推荐系统。

排序理由 该项目是一篇研究论文，详细介绍了一种提高 LLM 效率的新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

PromptPack 为推荐平台将 LLM 注释成本降低 89%

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Sebastian Koralewski, Merwan Barlier, Yulia Stolin, Bla\v{z} \v{S}krlj ·

    PromptPack：为在线推荐扩展LLM标注代理

    arXiv:2607.20528v1 Announce Type: new Abstract: Online recommendation platforms increasingly use Large Language Models (LLMs) to extract structured features from ad creatives. While deploying a single-call LLM annotation agent yields significant Click-Through Rate (CTR) improveme…

相关实体

相关话题