研究型实习生-推荐大模型统一架构研究

研究领域： 推荐系统 项目简介： 当前推荐系统大多采用序列建模与特征交叉分离模块分离的架构，缺乏统一的注意力机制实现跨类型特征的充分交叉融合，异构特征的协同信号未被充分挖掘。此外，召回、粗排、精排各阶段均独立训练各自的行为序列编码器，同一用户行为序列在一次请求中被重复编码三次，算力浪费显著且各阶段表征无法共享和互相增强。近年来，OneTrans、OneTrans-V2、RankMixer、HyFormer、CCFormer 等前沿方案在特征交叉与序列统一建模方向取得突破。基于上述技术趋势和团队在生成式召回方向的积累，本项目计划在支付宝推荐场景探索特征交叉与序列统一建模方案，提升推荐模型的精准度，实现架构升级与业务收益。