生成式推荐系统算法与实践
傅聪
搜推广资深算法专家
798 人已学习
新⼈⾸单¥59
课程目录
已更新 22 讲/共 36 讲
课程介绍 (1讲)
课程介绍｜推荐系统已死？生成式推荐技术革命已来临！
时长 10:45
系统性对比：生成式推荐好在哪？ (3讲)
01｜“传统”推荐系统的局限：我的模型为什么优化不动了？
时长 19:06
02｜前车可鉴：对比大语言模型和生成式推荐
时长 28:54
03｜变革前夜：为什么生成式推荐是未来？
时长 22:45
算法原理：生成式算法基础 (8讲)
04｜越大越牛？Transformer和它的scaling law
时长 49:59
05｜推荐系统的GPT3时刻（上）：SasRec
时长 37:10
06｜推荐系统的GPT3时刻（下）：Bert4Rec
时长 20:39
07｜语言体系之争（上）：LLM as Recommender
时长 38:42
08｜语言体系之争（中）：Recforest算法
时长 38:50
09｜语言体系之争（下）：Tiger算法
时长 50:18
10｜另辟蹊径：Diffusion For Rec
时长 31:53
11｜总结：论文里的生成式算法为何难落地？
时长 48:40
工业技术路线（一）：Meta HSTU系列 (4讲)
12｜替换Transformer？HSTU召回算法原理
时长 55:47
13｜替换Transformer？HSTU 排序算法原理
时长 41:40
14｜美团MTGR：HSTU算法落地经验
时长 17:37
15｜小红书RankGPT：HSTU落地实践
时长 37:55
工业技术路线（二）：OneRec (5讲)
16｜OneRec：语义ID与特征工程
时长 43:20
17｜OneRec：强化学习偏好对齐
时长 01:16:34
18｜OneSearch：端到端生成式检索
时长 01:24:25
19｜UniSearch：一体化的SID模型
时长 48:55
20｜OneRecV2：模型压缩和推理优化
时长 44:44
直播回放 (1讲)
直播加餐｜生成式AI重塑推荐系统：是终极进化，还是美丽泡沫？
时长 01:46:51
生成式推荐系统算法与实践
登录|注册
留言
收藏
沉浸
阅读
分享
手机端
回顶部
当前播放: 20｜OneRecV2：模型压缩和推理优化
00:00 / 00:00
字幕已开启
高清
  • 高清
1.0x
  • 3.0x
  • 2.5x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.75x
  • 0.5x
网页全屏
全屏
00:00
付费课程，可试看
课程介绍｜推荐系统已死？生成式推荐技术革命已来临！
01｜“传统”推荐系统的局限：我的模型为什么优化不动了？
02｜前车可鉴：对比大语言模型和生成式推荐
03｜变革前夜：为什么生成式推荐是未来？
04｜越大越牛？Transformer和它的scaling law
05｜推荐系统的GPT3时刻（上）：SasRec
06｜推荐系统的GPT3时刻（下）：Bert4Rec
07｜语言体系之争（上）：LLM as Recommender
08｜语言体系之争（中）：Recforest算法
09｜语言体系之争（下）：Tiger算法
10｜另辟蹊径：Diffusion For Rec
11｜总结：论文里的生成式算法为何难落地？
12｜替换Transformer？HSTU召回算法原理
13｜替换Transformer？HSTU 排序算法原理
14｜美团MTGR：HSTU算法落地经验
15｜小红书RankGPT：HSTU落地实践
16｜OneRec：语义ID与特征工程
17｜OneRec：强化学习偏好对齐
18｜OneSearch：端到端生成式检索
19｜UniSearch：一体化的SID模型
20｜OneRecV2：模型压缩和推理优化
直播加餐｜生成式AI重塑推荐系统：是终极进化，还是美丽泡沫？
登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论