EASformer：面向工业生成式排序的环境-动作-状态对齐架构

EASformer 用环境-动作-状态解耦对齐工业排序中的序列与非序列特征。

资讯摘要

论文提出 EASformer，针对工业生成式推荐中历史序列与非序列特征语义不对称的问题，构建历史与非序列 token 共享的对齐环境空间，并将用户动作与候选侧上下文解耦，从而支持历史动作检索与状态条件动作预测。作者报告在真实工业应用市场离线基准上 AUC 为 0.89411，较线上基线相对提升 0.88%；在线 A/B 测试中两个排序场景的 eCPM 相对提升 1.26% 和 3.94%。

要点速读

1. 论文指出历史表示可能混合环境上下文与已观测动作语义，而候选侧非序列表示不含观测动作但含更丰富补充上下文，直接点积会对比不同语义对象。
2. EASformer 构建历史与非序列 token 共享的显式对齐环境空间，并解耦用户动作与候选特定上下文。
3. 作者报告离线基准 AUC 0.89411、较部署基线相对提升 0.88%，在线 A/B 两场景 eCPM 相对提升 1.26% 与 3.94%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。