arXiv cs.AI· Bohao Li, Dinglun Cao, Pengcheng Huang, Yingda Tang, Zhiting Zhao, Yi Cao, Jilei Fu, Miao Yan, Tianying Liu, Heng Chang, Bowen Du·· 11 小时前AI 评分24
EASformer：面向工业生成式排序的环境-动作-状态对齐架构
EASformer: Environment-Action-State Alignment for Industrial Generative Ranking
AI 导读
EASformer 提出环境-动作-状态解耦架构，为工业应用排序构建历史与非序列 token 共享的对齐上下文环境空间，并将用户动作与候选侧上下文分离。在真实工业应用市场的离线基准上，其 AUC 达 0.89411，较已部署基线相对提升 0.88%；在线 A/B 测试中两个真实排序场景的 eCPM 分别相对提升 1.26% 和 3.94%。
正文 · AI 翻译
作者：Bohao Li、Dinglun Cao、Pengcheng Huang、Yingda Tang、Zhiting Zhao、Yi Cao、Jilei Fu、Miao Yan、Tianying Liu、Heng Chang、Bowen Du
摘要：现代工业排序系统日益采用生成式推荐（GR）范式，其中用户行为序列与非序列（NS）特征被 token 化，并由 Transformer 风格的主干网络联合建模。这种统一形式为建模长历史和异构特征提供了可扩展的接口。然而，序列表示与 NS 表示往往承载不对称的语义：历史表示可能将环境上下文与已观测动作语义相结合，而候选侧 NS 表示不包含已观测动作，却融入了更丰富的补充上下文，例如用户-物品交互特征和近期行为列表。此类表示之间的直接交互会使 query-key 点积比较不同的语义对象，从而限制有意义的跨 token 交互。为填补这一空白，我们提出 EASformer，一种面向工业应用排序的环境-动作-状态解耦架构。EASformer 构建了一个由历史 token 和非序列 token 共享的、显式对齐的上下文环境空间，同时将用户动作从历史 token 中解耦，并由候选特定上下文构成非序列 token。基于该对齐空间，EASformer 能够实现互补的历史动作检索和状态条件动作预测。此外，该解耦设计通过掩码历史动作并复用候选预测通路，支持 Cloze 风格的自监督目标。在来自真实工业应用市场的离线基准上，EASformer 取得 0.89411 的 AUC，相较已部署基线实现 0.88% 的相对提升。在线 A/B 测试进一步支持这一优势，在两个真实排序场景中分别实现 1.26% 和 3.94% 的 eCPM 相对提升。
| 评论： | 10 页 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.27691 [cs.AI] |
| （或 arXiv:2610.27691v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27691 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Bohao Li [查看邮箱]
[v1]
2026 年 10 月 20 日星期二 06:08:07 UTC（468 KB）
来源：arXiv cs.AI · arxiv.org