PulseAugur
实时 09:18:54
English(EN) CADET: Context-Conditioned Ads CTR Prediction With a Decoder-Only Transformer

LinkedIn 部署 CADET Transformer,广告点击率提升 11%

LinkedIn 开发并部署了 CADET,这是一种用于预测广告点击率 (CTR) 的仅解码器 Transformer 模型。该新模型显著优于其之前的 LiRank 基线,在 A/B 测试中实现了 11.04% 的点击率提升。CADET 包含多项创新,包括上下文条件解码架构、自门控注意力机制以及基于时间戳的位置嵌入,所有这些都为高效的工业规模部署而设计。 AI

影响 此次部署展示了 Transformer 架构在广告点击率预测等专业领域的有效性,可能影响未来的推荐系统设计。

排序理由 一家主要科技公司在现有产品中部署新模型。

在 arXiv cs.LG 阅读 →

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

LinkedIn 部署 CADET Transformer,广告点击率提升 11%

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · David Pardoe, Neil Daftary, Miro Furtado, Aditya Aiyer, Yu Wang, Liuqing Li, Tao Song, Lars Hertel, Young Jin Yun, Senthil Radhakrishnan, Zhiwei Wang, Tommy Li, Khai Tran, Ananth Nagarajan, Ali Naqvi, Yue Zhang, Renpeng Fang, Avi Romascanu, Arjun Kulothu… ·

    CADET: 基于解码器Transformer的上下文条件广告点击率预测

    arXiv:2602.11410v2 Announce Type: replace Abstract: Click-through rate (CTR) prediction is fundamental to online advertising systems. While Deep Learning Recommendation Models (DLRMs) with explicit feature interactions have long dominated this domain, recent advances in generativ…