English(EN) PinGER: Token-Efficient Generative Retrieval with Semantic IDs

Pinterest 部署 PinGER 以实现高效生成检索

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-24 04:24

研究人员开发了 PinGER，一种新的生成检索系统，旨在提高推荐任务的效率和有效性。PinGER 采用了一种新颖的方法，结合了交错的语义 ID (SID) 和密集令牌，可以在不牺牲检索质量的情况下实现更紧凑的输入历史。该系统已在 Pinterest 上部署用于相关图钉，在新鲜图钉的收藏量方面提高了 3.60%，在整体收藏量方面提高了 0.62%，同时还降低了延迟并消除了对最近邻搜索的需求。 AI

影响这项研究介绍了一种更有效的生成检索方法，有可能改进推荐系统并降低计算成本。

排序理由该条目描述了一篇详细介绍新生成检索系统及其在实际应用中部署的新研究论文。[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 →

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; 该条目描述了一篇详细介绍新生成检索系统及其在实际应用中部署的新研究论文。[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: product, 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: 21 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Charles Rosenberg · 2026-10-24 04:24

PinGER：具有语义ID的令牌高效生成检索

Generative retrieval replaces nearest-neighbor search with token-by-token decoding of an item's semantic ID (SID). But existing SID-based methods primarily use L levels of tokens sequentially to represent each item in the input history. As a result, a fixed context window holds L…

本文如何被排名

报道来源 [1]

PinGER：具有语义ID的令牌高效生成检索

相关实体

相关话题