AAAI 2025 | UC Berkeley、阿里提出NMT，四行代码解决搜推任务中的目标冲突问题

文章预览

©PaperWeekly 原创 · 作者 |  咕咕 背景：工业界中的目标冲突问题 在工业界实际的搜广推系统中，一个模型通常需要兼顾多个目标。例如，在通用搜索场景中，需要兼顾 CTR、相关性、商业化效率等目标；在电商推荐中，需要同时兼顾成交效率、丰富性等目标。 在实践中，我们发现，绝大多数目标之间或多或少都存在目标冲突的问题，多个目标之间往往不能兼得。例如，在电商推荐系统中，如果希望最大化成交效率，通常在丰富性上会有较大的损失。一个更常见的例子是广告收入和自然流量效率之间的矛盾，两者的此消彼长几乎存在于所有广告系统中。 常见的解决方案是一个多目标学习策略（Multi-task Learning, MTL），即在损失函数中，同时加入多个目标的 loss，并使用 loss 的权重来调整不同目标对模型带来的影响。然而，权重调整是一个费心费力的工 ………………………………