SPRINT: Single-Step Generative Recommendation via Average Probability Velocity
SPRINT 把 Semantic ID 生成理解为 token 概率流的平均速度,以双向 Transformer 在单次前向中预测全部位置。针对独立生成破坏 ID 一致性的问题,联合 token 级和 SID 级流对比目标恢复约束;相对第二快的自回归或非自回归方法加速 8.39–10.04 倍,相对第二优方法平均准确率提升 7.77%。
INSIGHT社区 UGC 生成式召回的延迟瓶颈常来自多步解码,一次前向生成值得在现有 SID 目录上单独试验。位置概率预测必须配套物品级一致性监督与合法 ID 校验;论文平均准确率提升并非社区 nDCG 收益,应在同硬件、同候选规模及相同延迟预算下复核覆盖率和 CTR。