|
ChMkK2fuc9uIUB0_AALH2vF7SsQAAqxfgLBlkAAAsfy307.png
近日，百度研究团队在国际知名学术平台上发表了一篇论文，介绍了一种名为COBRA的新算法框架。该框架旨在优化生成式模型在广告推荐系统中的应用效果，并已在实际业务中得到了验证和应用。
论文中提到，百度工程师将COBRA框架应用于真实的A/B测试环境，测试结果显示，系统的转化率提升了3.6%，平均每用户收入（ARPU）也增加了4.15%。目前，这一框架已经成功部署到百度的广告推荐业务中。
COBRA框架结合了生成式模型和密集检索技术，通过稀疏ID与稠密向量的协同作用，为推荐系统提供了更加全面和细致的目标对象特征描述。其中，稀疏ID主要负责提供稳定的类别基础信息，而稠密向量则进一步增强了模型对高级语义和细粒度细节的捕捉能力。这种端到端的训练方式能够更精准地捕捉用户意图和协同信息，从而显著提升推荐效果。
在技术实现层面，百度团队引入了“残差量化变分自编码器（RQ-VAE）”技术，这一方法融合了残差学习、量化技术和变分自编码器的优势。通过减少信息损失和提高模型的泛化能力，RQ-VAE不仅优化了模型参数，还显著改善了数据重构的效果。
实验结果表明，COBRA框架无论是在公开数据集（例如Amazon Product Reviews）还是工业数据集上的离线和在线评估中，均展现了优于当前业内领先方法的表现。这一研究成果为广告推荐系统的技术发展提供了新的思路和方向。 | 
