研究人员开发了 UniPinRec，这是一个新颖的系统，用于在 Pinterest 上统一推荐系统的生成式检索和排序模型。这种方法使用单一模型和训练阶段，通过在两个功能之间共享参数和计算来简化流程。该系统已在 Pinterest 的核心服务上部署，带来了 1% 的参与度提升、11.1% 的服务延迟降低以及 63.6% 的每秒查询量提升。 AI
影响 简化推荐系统，可能降低成本并提高跨平台的用户参与度。
排序理由 该集群描述了一篇详细介绍推荐系统新方法的论文。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.00422v1 Announce Type: cross Abstract: Modern recommendation systems predominantly train retrieval and ranking as separate models despite both increasingly relying on large transformers encoding the same user behavior data, duplicating parameters, compute, and serving …
Modern recommendation systems predominantly train retrieval and ranking as separate models despite both increasingly relying on large transformers encoding the same user behavior data, duplicating parameters, compute, and serving cost. Prior work unifies the model architecture bu…