跳到正文
热点事件持续更新

arXiv发布MIS单步推理优化全页排序论文

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Qi Xu等人于2026年11月3日在arXiv发布论文《Towards Efficient Whole Page Ranking with One-Pass Inference》。该研究提出前缀感知非自回归框架MIS，旨在优化全页排序效率。 MIS框架整合全局候选交互与局部前缀条件，通过计算可复用表示减少重复全模型推理。在KuaiRand-1K数据集测试中，其CPU解码速度较自回归基线快4.07倍，且生成质量接近CGA基线。 在大规模社交视频平台的随机评估中，应用MIS后实现指标提升0.104%，观看时间增加0.058%。同时，排序服务的CPU消耗降低了9.73%，展示了其在工业场景中的高效性与实用性。

AI 根据报道生成 · 7 小时前更新

最新进展11月5日 13:00
MIS 单步推理实现高效全页排序

报道时间线

沿着报道，了解事件的不同侧面。

11月5日
  1. arXiv · AI
    MIS 单步推理实现高效全页排序

    提出前缀感知非自回归框架 MIS，在 KuaiRand-1K 数据集上 CPU 解码速度较自回归基线快 4.07 倍，生成质量接近 CGA 基线。 该框架整合全局候选交互与局部前缀条件，通过计算可复用表示减少重复全模型推理，实现高效排序。 在大规模社交视频平台随机评估中，MIS 使实现指标提升 0.104%，观看时间增加 0.058%，并将排序服务 CPU 消耗降低 9.73%。

本事件热度走势

可比范围当前
8
可比范围峰值
1011月5日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。