今日场景今天个性化推荐赛道只有 1 篇入选:SynRec 讨论多个业务用户互不重叠时怎么联合训练推荐模型。它不靠共享用户 ID,而是让各领域共用一部分专家,学习和领域无关的行为节奏,再给每个领域留专属专家。手上有多条业务线、用户数据又不能打通的团队,可以先看它的分工方式和 6 个领域上的对比结果。 — 评分 5 篇,入选 1 篇,分数 3.50 – 3.50
LEAD STORY · 今日必读
SynRec: Synergistic multi-domain recommendation with frequency-guided expert specialization
多个业务各自做推荐、用户又互不重叠时,没法靠共享用户 ID 在业务之间迁移知识。这篇论文提出 SynRec,让多个领域共用一个 Transformer 推荐模型,只共享和领域无关的行为规律,比如行为序列在时间上的快慢节奏。具体做法是把前馈层换成按领域分工的混合专家(MoE):一部分专家所有领域共用,学共同的规律;一部分只服务本领域,学各自的差异,以减少领域之间互相拖累。在用户互不重叠的 6 个领域上,它在全部领域都超过单领域模型,在其中 5 个领域上是参评多领域方法里最好的。
3.50
综合分 / 5
偏好调整 3.50
偏好调整 3.50
Zechuan Wang, Dong Wang, Ming Zong, Guogang Cao · 2026-10-25 · 网页来源