研究人员开发了UniR^2，这是一种统一的、仅解码器的Transformer模型，旨在将推荐系统中的生成式召回与多目标排序相结合。该方法通过在单一异构序列中处理用户上下文、物品特征和交互轨迹，解决了传统两阶段系统在目标不一致和信息丢失方面的局限性。UniR^2采用双查询前缀因果注意力（Dual-Query Prefix-Causal Attention）来实现任务特定可见性，并使用LoRA进行排序适应性调整，而不影响生成式主干。在快手平台进行的规模化工业测试显示出积极的收益，验证了该模型的有效性和实用性。 AI
影响 这种统一的方法通过减少目标不一致和信息丢失，有望提高大规模推荐系统的效率和准确性。
排序理由 介绍推荐系统新模型的论文。[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 →
