研究人员引入了一种新颖的“基石-专家范式”，以更有效地将大型基石模型部署到各种推荐系统中。该方法从中央基石模型生成目标感知嵌入，然后由轻量级的、面向特定表面的专家模型利用。该方法显著优于现有的迁移学习技术，实现了0.64到1.0的迁移率，并且优于知识蒸馏。该系统已成功部署在Meta，处理数十亿的每日请求，并展示了可衡量的在线指标改进。 AI
影响 这种新范式可以显著提高大型基石模型在大型推荐系统中的部署效率和有效性。
排序理由 该集群包含一篇研究论文，详细介绍了在推荐系统中部署基石模型的新范式，包括Meta的部署细节。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Dai Li
- Foundation-Expert paradigm
- Gotit.pub
- Hugging Face
- Meta
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
