Deco解耦生成式推荐搜索与主模型
热点事件持续更新
Deco解耦生成式推荐搜索与主模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Deco研究团队提出一种生成式推荐方法，将semantic-ID beam search从推荐模型主解码器中解耦，以融合token浓缩下一物品概念，并通过轻量KV-cache解码器完成搜索。 在电商、电影和音乐流媒体等7个数据集上，Deco精度持平或更优；在50ms的p95延迟预算下，吞吐提升3.2至8.6倍。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 10:59
Deco 论文解耦推荐模型的「思考」与「拼写」，吞吐提升至 8.6 倍报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- AGI HuntDeco 论文解耦推荐模型的「思考」与「拼写」，吞吐提升至 8.6 倍
arXiv 论文提出 Deco，将生成式推荐中的 semantic-ID beam search 从 backbone 解码中解耦。Deco 以融合 token 浓缩下一物品概念，并通过轻量 KV-cache 解码器完成搜索。在电商、电影、音乐流媒体等 7 个数据集上精度持平或更优，50ms p95 延迟预算下吞吐提升 3.2–8.6 倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。