跳到正文
热点事件持续更新

研究者提出RACE序列推荐压缩框架并被WSDM 2027接收

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Tianqi Liu 等研究者发布论文,提出RACE框架,针对序列推荐中模型压缩“一刀切”导致的容量与复杂度不匹配问题,依据排序不确定性指标对每个实例动态调整模型结构与输入序列,实现参数和数据的个性化精简。论文已被WSDM 2027接收。 RACE从top-K预测的分布稳定性导出排序不确定性指标,再由经自监督训练的轻量预测器据此定制压缩比例。据论文报告,在四个数据集上的实验中,RACE在准确率、效率和适应性上均优于现有SOTA基线。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. arXiv cs.AI
    RACE:面向高效序列推荐的排序不确定性感知容量自适应定制框架

    提出RACE框架,针对序列推荐中模型压缩“一刀切”导致的容量与复杂度不匹配问题,动态调整模型结构与输入序列。RACE从top-K预测的分布稳定性导出排序不确定性指标,经自监督训练的轻量预测器据其对实例进行参数与数据的个性化精简。在四个数据集上的实验显示,RACE在准确率、效率和适应性上均优于现有SOTA基线,论文已被WSDM 2027接收。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月16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。