TokenMinds 用 LLM 生成 SID 用户 token 补充稠密嵌入。
资讯摘要
论文提出 TokenMinds，将 PLUM 框架从基于 SID 的物品检索扩展到生成式序列用户建模。系统采用改编自预训练 LLM 的编码器-解码器结构：编码器输出稠密用户嵌入，解码器生成基于 SID 的离散用户 token，表示多方面的未来兴趣。长视频与短视频共享 SID 词表，统一跨场景行为，作者报告上游训练与推理算力分别减少 50% 和 31%。离线评估与 YouTube 主要排序界面的线上 A/B 实验显示，SID 用户 token 单独有效，与稠密嵌入叠加后优于上一代非 LLM 用户模型。
要点速读
- TokenMinds 基于预训练 LLM 的编码器-解码器，编码器输出稠密用户嵌入，解码器生成 SID 用户 token。
- 长视频与短视频共享 SID 词表，作者报告上游训练与推理算力分别减少 50% 和 31%。
- YouTube 线上 A/B 实验中，SID 用户 token 与稠密嵌入叠加后优于上一代非 LLM 用户模型。
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 2026/10/29 08:00:21（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。