English(EN) LIME: Link-based User-item Interaction Modeling with Decoupled XOR Attention for Efficient Test Time Scaling

LIME架构将推荐系统速度提升十倍

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-09 04:00

一篇新的研究论文介绍LIME，一种旨在提高推荐系统效率的架构。LIME通过采用低秩链接嵌入和一种称为LIME-XOR的线性注意力机制来解决Transformer的计算成本问题。这些创新降低了推理复杂度，从而能够更快地处理更长的用户历史记录和更大的候选集。实验表明，LIME在推理速度上实现了十倍的提升，同时取得了与最先进的Transformer相当的性能，有望提升推荐平台的用户参与度。 AI

影响这项研究可能带来更高效、可扩展的推荐系统，从而改善平台上的用户体验和参与度。

排序理由该集群包含一篇详细介绍推荐系统新架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍推荐系统新架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 2 days old; Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Yang Liu, Yunjiang Jiang, Ayush Agarwal, Yihan Wu, Haoran Liu, Bi Xue · 2026-10-09 04:00

LIME：基于链接的用户-物品交互建模，采用解耦XOR注意力实现高效测试时间缩放

arXiv:2510.18239v4 Announce Type: replace-cross Abstract: Scaling large recommendation systems requires advancing three major frontiers: processing longer user histories, expanding candidate sets, and increasing model capacity. While promising, transformers' computational cost sc…

本文如何被排名

报道来源 [1]

LIME：基于链接的用户-物品交互建模，采用解耦XOR注意力实现高效测试时间缩放

相关实体

相关话题