实体
Residual Quantization
Residual Quantization
PulseAugur coverage of Residual Quantization — every cluster mentioning Residual Quantization across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
TARQ框架通过残差量化提升推荐系统预排序性能
研究人员开发了TARQ，一个用于推荐系统的新预排序框架，旨在提高效率和有效性。TARQ通过残差量化（Residual Quantization）整合了类似目标注意力（Target Attention）的架构，将先进的建模能力引入预排序阶段。这项创新已成功部署在淘宝上，服务数百万用户，并展示了显著的性能提升。
-
新的UniSID框架通过端到端SID生成改进广告推荐
研究人员开发了UniSID，一个用于在生成式推荐系统中生成语义ID（SIDs）的新颖框架，特别适用于广告推荐。这种新方法通过端到端联合优化嵌入和SID，解决了现有方法（如Residual Quantization）的局限性，防止了语义退化和误差累积。UniSID还采用了一种多粒度对比学习策略和一种基于摘要的广告重建机制来捕捉更细粒度的语义。实验表明，在下游广告场景中，与当前最先进的方法相比，UniSID的命中率指标提高了4.62%。