arXiv · ML· Zhiliang Chen, Sammy Nammari, Jiahao Su, Xiaoqiang Luo·· 9 天前AI 评分25
利用特征不变缩放定律提升推荐系统 A/B 实验效率
Exploiting Feature-invariant Scaling Laws for Efficient A/B Experimentation in Recommendation Systems
AI 导读
研究证实现代推荐模型具有特征不变缩放性,即不同特征改变下性能变化遵循可预测的缩放定律。 研究人员提出一种利用缩放定律和统计推断的方法,通过小规模实验预测全尺度 A/B 测试效果,在 Wukong、HSTU 及 LLM 推荐模型上验证了该方法在 40 多项变更中能准确区分有益与中性/退步变化,大幅降低计算需求。
来源:arXiv · ML · arxiv.org