arXiv cs.AI· Ming Yin, Sixun Dong, Yudong Liu, Wen-Yun Yang, Yunjiang Jiang, Yiran Chen·· 10 天前AI 评分22
MARS：面向序列推荐的多分辨率自适应路由
MARS: Multi-resolution Adaptive Routing for Sequential Recommendation
AI 导读
针对长历史推荐中缓存记忆对用户近期与中期兴趣保留不均的"时间混叠"问题，研究者提出 MARS——将完整历史写入锚定不同半衰期的循环状态轨道，并用稀疏路由读取器为每个种子选取相关时间分辨率，生成紧凑种子记忆。MARS 在三个公开数据集上优于强基线，增益随历史长度增长；在每用户 1000 个候选下，其热缓存服务延迟约为匹配基线的 1.02 倍。
正文 · AI 翻译
摘要：长历史推荐系统通常将每个用户的历史压缩为一个紧凑的、与候选项无关的记忆，该记忆被缓存并复用于对大规模候选池进行评分。我们表明，真实用户历史呈现出多尺度语义结构，短期意图、中期兴趣和长期偏好共存于同一序列中，而单一化的缓存记忆对这些尺度的保留并不均衡：线性探针在恢复近期和中期内容方面的效果远差于恢复长期内容。我们将这种失效模式称为 \textit{时间混叠}。我们提出 \textbf{MARS}，一种多分辨率用户记忆，它将完整历史写入锚定到不同半衰期的循环状态轨迹，并采用稀疏路由读取器，通过为每个种子选择相关的时间分辨率来物化紧凑的种子记忆，从而保持固定大小的候选评分。MARS 在三个公开数据集上优于强基线，且增益随历史长度增长而增大。组件匹配的消融实验与配对检验表明，时间多样性和选择性路由各自的贡献超出了硬窗口记忆或增加容量所能提供的范围。在用户内行为发生变化后，MARS 相对于其接口匹配基线的优势也进一步扩大，对于每个用户 1{,}000 个候选项，其服务延迟约为该基线热缓存延迟的 $1.02\times$。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.07505 [cs.AI] |
| （或 arXiv:2610.07505v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07505 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ming Yin [查看电子邮件]
[v1]
2026年10月5日星期一 23:14:39 UTC（1,321 KB）
来源：arXiv cs.AI · arxiv.org