TIGER首步覆盖限制推荐搜索效率

研究团队发现，生成式推荐器TIGER的beam search会在首个解码步剪掉所有高排名路径，形成“首步覆盖瓶颈”；通过重排搜索宽度，可减少预算并保持结果。 在跨3个领域、2种标识符构造的6个全量测试设置中，被剪掉的精确top-10路径均首步丢失。采用RQ-VAE标识时，重排后的调度无需重训练，以名义预算151复现Beam-100的有序top-10，而原方案预算为301；匹配输出时，解码器延迟节省约6.4%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。