Meta GenRecs 分词：用稳定的语义词表重构广告推荐

Meta 介绍 GenRecs Tokenization，将广告、商品、页面和像素等对象映射为稳定语义词表中的 token，而不是为每个对象维护独立 ID，关注价值在于它尝试把生成式模型的语义泛化能力引入广告召回与排序。

• Meta 称，该表示方式可让新商品借用相近类别已有的语义信息，缓解冷启动时缺乏历史互动信号的问题。
• 语义 token 同时用于检索和排序，意味着系统输入从单个对象的行为 ID扩展到对象内容及其关联概念。
• 文章称该方案与 Generative Ads Model 和 Adaptive Ranking Model 配合，在多个广告场景带来 0.35% 的转化提升；这是 Meta 自报结果，适用范围取决于实验设计和流量覆盖。
• 稳定词表有助于减少对象规模增长带来的表示管理压力，但也可能把分类错误或语义偏差传播到推荐结果。
• 影响/看点：若效果能在不同市场、广告类型和时间窗口中复现，语义表示可能改善新对象的推荐机会；其实际价值仍取决于离线指标与在线转化之间的一致性，以及对广告相关性和公平性的评估。
• 资料依据:
• Meta Engineering Blog（2026-10-19）：https://engineering.fb.com/2026/10/19/ml-applications/genrecs-tokenization-transforming-ads-recommendation-at-meta-with-stable-model-vocabulary/

本内容由 AI 生成，仅供参考，请注意甄别