Meta 用 scaling laws 从小规模实验预测全量 A/B 结果

Meta 发表论文，提出在推荐系统中利用特征不变的 scaling laws，以少量小规模实验预测全量 A/B 测试结果。该方法寻找在小规模与全量训练间保持稳定缩放关系的特征统计量，据此外推模型改动在大流量下的真实效果，从而省去大规模线上实验成本。