大多推荐系统的工作,想研究一个更好的模型,然而我们发现 训练稳定性 被低估。
训练稳定性,比如loss divergence,会使模型不可用。
本文分享我们学习到的用于提高YouTube推荐系统 多任务排序模型的 训练稳定性 的发现和最佳实践。
提出新的算法来缓解现有解决方案的局限性。
在YouTube数据集上的实验表明,与几种常用的基准方法相比,所提出的算法可以显著提高训练稳定性,同时不会影响收敛性。
大多推荐系统的工作,想研究一个更好的模型,然而我们发现 训练稳定性 被低估。
训练稳定性,比如loss divergence,会使模型不可用。
本文分享我们学习到的用于提高YouTube推荐系统 多任务排序模型的 训练稳定性 的发现和最佳实践。
提出新的算法来缓解现有解决方案的局限性。
在YouTube数据集上的实验表明,与几种常用的基准方法相比,所提出的算法可以显著提高训练稳定性,同时不会影响收敛性。
暂无评论
2023-12-23
2023-12-22
2023-12-15
2023-12-15
2023-12-11
2023-11-13
2023-11-02
2023-11-02
2023-11-02
2024-05-20
2024-05-20
2024-05-18
2024-05-18
2024-05-18
2024-05-18
2024-05-18
2024-05-18
2024-05-18
2024-05-18
2024-05-18
2024-05-18
2024-05-18
2024-05-18
2024-05-17
2024-05-17
2024-05-17
2024-05-17
2024-05-17