ИССЛЕДОВАНИЕ · RESEARCH · #1011
Статья «Learned Cross-Task Relationships» улучшает многозадачные рекомендации в YouTube (arXiv:2609.28776v1)
В работе предложена методика обучения попарных отношений между задачами для аппроксимации совместного распределения меток в многозадачных моделях, что снижает сложность по сравнению с моделированием полного совместного пространства. Авторы тестировали подход в продакшн-рекомендательной системе YouTube и сообщают об улучшении точности и удовлетворённости пользователей на поверхностях Notifications, Homepage и Watch Next, а также предлагают шаблон рабочего процесса для более широкой реализации.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В работе предложена методика обучения попарных отношений между задачами для аппроксимации совместного распределения меток в многозадачных моделях, что снижает сложность по сравнению с моделированием полного совместного пространства.
- Авторы тестировали подход в продакшн-рекомендательной системе YouTube и сообщают об улучшении точности и удовлетворённости пользователей на поверхностях Notifications, Homepage и Watch Next, а также предлагают шаблон рабочего процесса для более широкой реализации.
- Обучение целевым попарным связям между задачами даёт масштабируемый способ передачи информации без моделирования полного совместного распределения, и статья демонстрирует улучшения в крупной продакшн-рекомендательной системе (YouTube).
ПОЧЕМУ ЭТО ВАЖНО
Обучение целевым попарным связям между задачами даёт масштабируемый способ передачи информации без моделирования полного совместного распределения, и статья демонстрирует улучшения в крупной продакшн-рекомендательной системе (YouTube).