arXiv cs.AI·5 小时前★ 3

阿里淘宝推荐系统 URED 论文:回收高分未曝光候选

原文标题:From Waste to Discovery: Recycling High-Scored Unexposed Candidates in Taobao Feed Recommendation

重要度 3/5 · AI 综合评估报道影响力与新鲜度,4–5 分为高价值资讯。

AI 智能摘要

阿里团队在 arXiv 公开 URED 系统,用于淘宝信息流推荐,通过回收「高分但从未曝光」的候选内容提升用户兴趣发现,无需重训模型、延迟增加不到 1%。线上 A/B 测试显示发现类目数提升 3.47%、内容丰富度提升 8.47%,完播率提升 2.62%,已服务数千万日活用户超六个月。

深读 · 结论先行AI 生成展开看要点与影响 ↓

URED回收高分未曝光候选,线上发现类目+3.47%、延迟增不到1%,已服务数千万DAU超半年。

  • •核心洞察:简单提升冷门内容曝光会注入信息贫乏候选,被排序器系统性高估,反而无收益
  • •URED无需重训模型,通过离线存储+分布式聚合+在线O(1)查询注入,延迟增加不到1%
  • •线上A/B:发现类目数+3.47%、内容丰富度+8.47%、完播率+2.62%,总浏览量+0.36%不显著
  • •消融显示窗口缩到一天发现增益跌至+0.55%不显著,随机注入无分数过滤则无效果
  • •已服务淘宝信息流数千万日活用户超六个月

为什么重要:这是少见的训练无关、低延迟、有长期线上验证的改动,对做召回与兴趣发现的产品团队可直接借鉴。

以上深读由 AI 依据标题/摘要/正文节选生成,仅供参考;事实以原文为准。

阅读原文 +0
AI 处理过程展开/收起
原始标题:From Waste to Discovery: Recycling High-Scored Unexposed Candidates in Taobao Feed Recommendation
AI 中文标题:阿里淘宝推荐系统 URED 论文:回收高分未曝光候选
来源:arXiv cs.AI · 发布于 5 小时前
分类:应用产品 · AI 重要度:★ 3(3)
标签:推荐系统 / 淘宝 / 阿里巴巴 / A/B 测试 / 兴趣发现
关键词:淘宝推荐算法 / 推荐系统论文 / 阿里巴巴 AI / 探索与利用 / 召回系统
AI 处理:2026/11/5 15:02:12 · 模型 deepseek-chat · 规则版本 2026-10-21.1
AI 生成以上内容由 AI 自动生成:中文标题、摘要、分类与重要度;同一事件的多家报道会自动归并展示。 内容仅供参考,可能存在偏差,请以原文为准, 不构成任何投资或专业建议。
版权归原作者与原发布平台所有;若涉及侵权或信息错误,请在举报与侵权投诉页反馈,我们会及时处理。
每天 09:30,3 条 AI 圈真正重要的变化,免费订阅 →
阿里淘宝推荐系统 URED 论文:回收高分未曝光候选 - 智讯 AI News