Meta AI推出新型AI模型LIGER：檢索效率與推薦精度的雙重革命
隨著人工智能（AI）的快速發(fā)展，Meta AI的研究人員提出了一種名為L(zhǎng)IGER的新型AI模型，該模型巧妙地結(jié)合了密集檢索和生成檢索的優(yōu)勢(shì)，顯著提升了生成式推薦系統(tǒng)的性能。LIGER通過將密集檢索和生成檢索的優(yōu)勢(shì)融合，為構(gòu)建更高效、更精準(zhǔn)的推薦系統(tǒng)提供了新的思路。
在推薦系統(tǒng)中，將用戶與相關(guān)內(nèi)容、產(chǎn)品或服務(wù)聯(lián)系起來是一項(xiàng)重要的任務(wù)。傳統(tǒng)的推薦方法主要依賴于密集檢索，利用序列建模來計(jì)算項(xiàng)目和用戶表示。然而，這種方法在處理大規(guī)模數(shù)據(jù)集時(shí)，由于需要嵌入每個(gè)項(xiàng)目，因此需要大量的計(jì)算資源和存儲(chǔ)。隨著數(shù)據(jù)集的增長(zhǎng)，這些要求變得越來越繁重，限制了其可擴(kuò)展性。
為了解決這些問題，Meta AI公司聯(lián)合威斯康星大學(xué)麥迪遜分校、ELLIS Unit、LIT AI Lab、機(jī)器學(xué)習(xí)研究所、JKU Linz等機(jī)構(gòu)，推出了LIGER模型。LIGER混合了生成檢索的計(jì)算效率和密集檢索的精度，通過生成檢索生成候選集、語義ID和文本屬性的項(xiàng)目表示，再通過密集檢索技術(shù)進(jìn)行精練，平衡了效率和準(zhǔn)確性。
LIGER采用了雙向Transformer編碼器和生成解碼器。在密集檢索部分，整合了項(xiàng)目文本表示、語義ID和位置嵌入，并使用余弦相似度損失進(jìn)行優(yōu)化。生成部分則使用波束搜索根據(jù)用戶交互歷史預(yù)測(cè)后續(xù)項(xiàng)目的語義ID。通過這種混合推理過程，LIGER降低了計(jì)算需求，同時(shí)保持了推薦質(zhì)量。
在Amazon Beauty、Sports、Toys和Steam等基準(zhǔn)數(shù)據(jù)集上的評(píng)估顯示，LIGER的性能持續(xù)優(yōu)于現(xiàn)有最先進(jìn)模型。例如，在Amazon Beauty數(shù)據(jù)集上，LIGER對(duì)冷啟動(dòng)項(xiàng)目的Recall@10得分達(dá)到了0.1008，優(yōu)于TIGER的0.0。在Steam數(shù)據(jù)集上，LIGER的Recall@10也達(dá)到了0.0147。此外，隨著生成方法檢索的候選數(shù)量增加，LIGER與密集檢索的性能差距進(jìn)一步縮小，展現(xiàn)了其適應(yīng)性和效率。
總的來說，LIGER通過結(jié)合密集檢索和生成檢索的優(yōu)勢(shì)，顯著提高了生成式推薦系統(tǒng)的性能。它的出現(xiàn)為構(gòu)建更高效、更精準(zhǔn)的推薦系統(tǒng)提供了新的思路和方法。未來，我們期待看到更多的創(chuàng)新型AI模型的出現(xiàn)，為人工智能領(lǐng)域的發(fā)展注入新的活力。
參考文獻(xiàn)：
Unifying Generative and Dense Retrieval for Sequential Recommendation
[Meta AI新模型：LIGER 帶來檢索效率與推薦精度的雙重革命]
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
