RankMixer扩参提精度且成本可控

博客园发布的技术解读称，RankMixer 通过独立的 per-token FFN 与多头 token mixing 结构，扩大参数规模后仍能持续提升推荐精度。在相近一亿参数规模下，其 Finish AUC 增幅为 +0.64%，高于 DLRM-MLP-100M 的 +0.15%；扩至 1.1B 后，增幅进一步升至 +0.95%。 该解读同时称，RankMixer 把新增计算带来的资源成本控制在可接受范围内，这是其扩参“划算”的依据。上述精度与成本结论均出自这篇解读。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。