跳到正文
热点事件持续更新

LQ-Rec将量化延后至推荐输出侧

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

UCSD及铃木等研究者提出生成式推荐方法 LQ-Rec,将物品离散化限制在输出侧,编码和打分继续在连续空间进行,并由端到端训练的残差量化器生成语义 ID,从而减少量化造成的排序损失。 论文称,LQ-Rec在四个公开基准上的排序质量随语义 ID 延长而单调提升,并超过基线;同一模型无需重训练即可调整语义 ID 长度,在排序质量与推理成本之间取舍,其记忆与泛化划分中的泛化表现也更优。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. AGI Hunt
    LQ-Rec:把量化推迟到最后,语义 ID 越长排序反而越好

    UCSD 等研究者的论文 LQ-Rec 将离散化限制在生成式推荐的输出侧,编码与打分在连续空间进行,物品则由端到端训练的残差量化器生成语义 ID。该方法带来量化致排序损失的可加误差分解与成对排序定理等结构化保证,在四个公开基准上排序质量随语义 ID 长度单调提升并超越基线。单一模型支持「随时压缩」,无需重训练即可调节排序质量与推理成本,记忆/泛化划分上泛化更优。

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。