研究团队提出高效整页排序框架MIS
Start here
2026年11月5日，研究人员在 arXiv 发布研究，提出面向单次推理的前缀感知非自回归框架 MIS，通过计算可复用表征来实现高效整页排序。在 KuaiRand-1K 和 RL4RS 数据集上的实验显示，MIS 在生成质量上接近自回归基线，同时 CPU 解码速度分别提升了 4.07 倍和 3.54 倍。此外，在大型社交视频平台的评估中，该框架使变现指标提升 0.104%、观看时长提升 0.058%，并将排序服务的 CPU 消耗降低了 9.73%。
AI-generated from reports · Updated 7 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能面向单次推理的高效整页排序：MIS 框架
研究人员提出前缀感知非自回归框架 MIS，通过单次推理计算可复用表征以实现高效整页排序。在 KuaiRand-1K 和 RL4RS 数据集上，MIS 接近自回归基线的生成质量，CPU 解码速度分别提升 4.07x 与 3.54x。大型社交视频平台评估显示，该框架使变现指标提升 0.104%、观看时长提升 0.058%，并降低 9.73% 的排序服务 CPU 消耗。
Story heat trend
Current heat 8·Comparable peak 10（Nov 5 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.