Danil Gusak

Deco方法将生成式推荐吞吐量提升3.2-8.6倍

研究人员开发了一种名为Deco的新方法，用于生成式推荐系统，该方法将“思考”过程与项目标识符的“拼写”分离开来。这种方法允许系统将用户历史浓缩成一个单一的概念，从而使轻量级解码器能够高效地生成推荐。Deco在各种数据集上实现了比标准方法显著更高的吞吐量，速度提升了3.2-8.6倍，同时保持了相当或更好的准确性。这种效率使得更大的候选池和更强大的LLM骨干模型在推荐任务中变得可行。