腾讯-KDD CUP（生成式推荐）¶
一、任务背景¶
推荐系统驱动着大规模内容平台（信息流、短视频等）和数字广告（点击率/转化率预测等），直接影响用户体验、参与度和收入。在巨大流量和严格延迟限制下，这些系统每天做出数十亿次实时决策，支撑着千亿美元级别的数字广告市场。过去二十年间，推荐系统的研究沿着两大分支发展：特征交互模型，专注于建模高维多场分类特征与上下文特征；以及序列模型，通过基于嵌入的检索系统和Transformer风格的排序模型捕捉用户行为的时序动态。尽管这两类范式都取得了显著成功，但它们很大程度上是独立演进的。这种割裂在工业系统中造成了结构性瓶颈：跨范式交互浅层化、优化目标不一致、可扩展性受限、硬件与工程复杂度不断上升。随着序列长度和模型规模持续增长，这种碎片化的架构变得越来越低效。近年来，一些研究工作开始尝试弥合这两个历史上相互分离的分支。为进一步加速这一方向的发展，腾讯发起了面向大规模推荐的序列建模与特征交互融合”挑战赛。
二、任务目标¶
-
访问大赛官网了解任务详情： 👉 https://algo.qq.com/
-
掌握 生成式推荐（Generative Recommendation） 的基础框架
-
基于官方提供的 Baseline 代码进行优化与改进
三、任务内容¶
- 学习并复现主流生成式推荐模型源码
-
理解不同模型在以下方面的设计：
-
序列建模
- 特征交互
- 生成式建模方式
- 在 Baseline 基础上进行优化，包括但不限于：
- 模型结构改进
- 训练策略优化
- 推理效率提升
* 报名链接：https://docs.qq.com/form/page/DUmxQd3ZaVVh3anhS¶
四、评分标准¶
| 评分项 | 分值 |
|---|---|
| 榜单排名 | 40% |
| 创新点 | 30% |
| 报告规范性与表达清晰度 | 30% |
五、参考资源¶
-
InterFormer https://arxiv.org/abs/2209.07511
-
OneTrans https://arxiv.org/abs/2308.06038
-
HyFormer https://arxiv.org/abs/2409.19375
六、注意事项¶
如有疑问，请联系 za@smail.nju.edu.cn。