本站4月3日消息，近日，百度團隊在arXiv上發表論文，介紹了一種名為COBRA的新算法框架，被應用于提升生成式模型在廣告推薦系統中的使用效果。
根據論文介紹，工程師將COBRA框架應用于真實環境中的A/B測試，結果顯示轉化率提升了3.6%，平均每用戶收入（ARPU）增加了4.15%。
目前，該框架已經應用于百度的廣告推薦業務中。
COBRA框架融合了生成式和密集檢索的技術，通過稀疏ID和稠密向量的結合，提供更全面的目標對象特征。
稀疏ID負責提供穩定的類別基礎信息，而稠密向量則確保模型能夠捕獲高級語義和細粒度細節，這種端到端的訓練方法可以更好地捕獲用戶意圖和協同信息。
在技術實現上，百度團隊采用了“殘差量化變分自編碼器（RQ-VAE）”技術，綜合了殘差學習、量化技術和變分自編碼器三種方法。
這一技術可以減少信息損失、提高模型的泛化能力，并通過優化模型參數，改善重構效果。
實測效果表明，COBRA框架在利用公開數據集（如Amazon Product Reviews）和工業數據集（如百度工業數據集）進行離線和在線評估后，均優于目前業內最先進的方法。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
