1. 问题与动机
EKTM 直击工业推荐多任务学习 (MTL) 中 CVR 任务的"双重数据稀疏"问题：作者在 AliExpress 数据集量化了 CTR vs CVR 的不平衡——CTR 任务的正样本率 1.5-3.63%，而 CVR 仅 0.035-0.088%，相差约 50 倍。这一稀疏性使得 CVR 塔难以学到稳定表征，是工业广告/电商场景中转化预估长期未解的难题。
更关键的是作者指出现有 MTL 方法（MMoE、PLE、ESMM、STEM）的共同局限：它们做的知识共享主要在共享底层 (Shared-Bottom) 或专家层 (Expert)，而越靠近输出层信息越丰富——"representations closer to the output layer contain richer information"。但直接共享靠近输出的高级表征又会带来三重风险：(a) 强势任务（CTR）的梯度淹没 CVR 任务；(b) 不同任务输出尺度差异巨大（CTR vs 时长预估），共享标量输出无意义；(c) 负迁移——任务相关性不足时硬共享反而损害目标任务。
EKTM 的目标是在共享高级表征的同时控制负迁移，让 CVR 任务能"挑选性地"利用其他任务的高级语义。
2. 方法详解
EKTM 在已有 MTL 框架（MMoE/PLE/STEM/Shared-Bottom）顶部插入两个新模块：
(1) Router 模块：负责"知识聚合"。对目标任务 i (CVR)，先计算它与每个辅助任务 t 的归一化余弦相似度 ŝ_{i,t} = softmax_t(cos(f_cvr^i, f_cvr^t))，再做加权聚合 F_i = mean(f_ctr, ŝ_{i,1}·f_cvr^1, ..., ŝ_{i,T}·f_cvr^T)。直觉：相似度高的任务表征获得更高权重，避免"无差别共享"。f_ctr 永远以 mean 中无加权权重出现，是因为 CTR 是 CVR 的天然前置信号（ESMM 思路）。
(2) Transmitter 模块：负责"知识过滤"。聚合后的 F_i 需要再做任务自适应整形才能注入到 CVR 塔——直接相加会引入辅助任务的偏置。Transmitter 用多头交叉注意力 (MHCA)：query/key 来自 F_i，value 来自当前任务的 CVR 主表征 f_ctr；输出经 LSTM-style 门控 g = σ(MHCA(F_i)^T w_f + b_f)，再与 f_ctr 逐元素相乘。门控让模型自动决定每一维的迁移强度，避免硬注入。
(3) Calibration Loss：核心损失设计是关键防负迁移机制：
ℒ = ℒ_ctr + Σ_i [(1-α) ℒ_o^(i) + α · max(0, ℒ_t^(i) - ℒ_o^(i))]
其中 ℒ_o 是不用 EKTM 的原始 CVR 损失，ℒ_t 是经 EKTM 转换后的损失。max 算子保证：只有当 EKTM 转换降低 loss 时才参与训练；若升高 loss 则梯度为 0。这相当于一个"安全护栏"，从理论上排除了 EKTM 比 baseline 更差的可能。α 是混合系数，超参搜索范围 [0.01, 0.1, 1.0]。
训练配置：batch=12,000，lr=1e-3，50 epochs；与已有 MTL 框架 (MMoE/PLE/STEM) 即插即用，不修改 backbone。
3. 核心技术贡献
(a) 靠近输出层的知识共享：以往 MMoE/PLE 在 expert 层共享专家，PLE 才显式区分共享/独立专家。EKTM 进一步把共享下沉到任务塔输出附近，能利用更高层语义。
(b) Router 用任务相似度做软聚合：相似度是数据驱动的（cosine sim），不需要手工指定任务关系图。比 PLE 的固定专家分配更灵活。
(c) Transmitter 用 cross-attention + 门控防过冲：多头注意力天然支持选择性融合；LSTM 门控提供二次过滤。两层选择性保证迁移精准。
(d) Calibration Loss 的 max 安全护栏：是工业落地最关键的设计——它把"迁移失败时不损害目标任务"做成数学约束，免除了 MTL 调参中的负迁移风险。
每个贡献都对应了与 prior work 的具体改进：相比 MMOE baseline 在 AliExpress US 数据上 CTR AUC 从 0.7092 提到 0.7139 (+0.66%)，CTCVR 0.8717→0.8738 (+0.24%)。
4. 实验结果分析
公开数据集 (AliExpress)：在 4 个国家 (US/NL/FR/ES) × 2 任务 (CTR/CTCVR) × 4 个 backbone (Shared-Bottom/MMoE/PLE/STEM) 共 32 个 setting 上，EKTM 几乎全部带来提升。MMOE+EKTM (US): CTR 0.7139 (vs MMOE 0.7092)；PLE+EKTM (NL CTCVR): 0.8653 (vs PLE 0.8639)。
公开数据集 (KuaiVideo)：3 个任务 (Follow/Like/Click)，EKTM 在 Follow 任务 STEM baseline 上从 0.7803 提到 0.7910 (+1.37% AUC)——比 CTR 任务更大，因为 Follow 是稀疏任务，正是 EKTM 设计针对的场景。
消融研究：线性投影 baseline AUC 0.7017；加 Transmitter 0.7102 (+1.21%)；加 Calibration loss 0.7139 (+0.53%)——两个模块都有独立贡献，且互补。
线上 A/B：在某商业平台两个主流量场景灰度发布，5%→20%→50%→100% 渐进放量，最终全量 eCPM +3.93%。
关键观察：(1) EKTM 在 STEM/PLE 等已经做了任务区分的 backbone 上仍能带来增益，说明它捕获了 prior MTL 未利用的信号；(2) 稀疏任务（CVR、Follow）的增益显著大于稠密任务，与设计目标一致；(3) 没有任何 setting 出现负向——印证 Calibration loss 的安全性设计。
5. 局限与未来方向
论文未明写局限。可推断：
(1) 任务相关性假设：Router 默认所有辅助任务都对目标任务有用，只调权重。若辅助任务与目标完全不相关（例如点击 vs 退订），软聚合可能引入噪声——calibration loss 能屏蔽损害但不能消除计算开销。
(2) 多头注意力延迟成本：每个任务 i 都要做一次 MHCA，对 T 个任务复杂度 O(T·d²)。论文未给出 serving 延迟数字，工业大规模部署需要量化。
(3) 超参敏感性：α ∈ [0.01, 0.1, 1.0] 的搜索粒度粗，不同场景可能需要重调；缺少 α 与任务稀疏度的关系分析。
(4) CVR 长链路问题：EKTM 把 CTR 作为前置信号（mean 中无加权），但工业场景下 CTR→CVR 链路还有曝光、加购等中间步骤，纯 CTR 信号未必最优。
6. 工业实践意义
EKTM 对社区/UGC 平台多目标排序的启示：
(a) 即插即用替换 MMoE/PLE 顶层：EKTM 不改 backbone，只在任务塔输出之前插入 Router+Transmitter。社区平台典型的多目标（点击、停留、点赞、收藏、转发、关注）排序如果当前用 MMoE/PLE，可以直接试 EKTM 而不需要重训 backbone。预期对长尾任务（关注、转发）提升更明显。
(b) Calibration loss 是低风险高 ROI 改造：max(0, ℒ_t - ℒ_o) 保证最坏情况不退步，是 MTL 模型迭代里少见的"零风险"改造。建议作为 MTL baseline 的标配引入。
(c) Router 的相似度计算可复用：cosine sim 计算的任务相似度矩阵本身就是宝贵的诊断信号——可以离线观察各任务间相似度变化，判断什么时候新增/废弃任务。
(d) 部署考虑：论文报告 batch=12,000、lr=1e-3、50 epochs 训完；线上灰度 5%→20%→50%→100% 渐进放量是稳妥范式；MHCA 计算成本需要在 GPU/CPU 集群上量化，必要时可降为单头注意力做 trade-off。