USDB:字节跳动下一代推荐系统的存储扩展
USDB: Scaling Storage for Next-Generation Recommender Systems at ByteDance

原始链接: https://arxiv.org/abs/2611.02618

arXivLabs 是一个框架,允许协作者直接在我们网站上开发并分享新的 arXiv 功能。与 arXivLabs 合作的个人和组织都已接受并认同我们的开放、社区、卓越和用户数据隐私价值观。arXiv 致力于这些价值观,仅与遵守这些价值观的合作伙伴合作。有能为 arXiv 社区增值的项目想法吗?了解更多关于 arXivLabs 的信息。

Hacker News 讨论字节跳动面向下一代推荐系统的 USDB 存储系统。评论者指出,生成式推荐专业知识主要掌握在大型社交媒体公司内部,快手的 OneRec 论文是最接近的教程。一名正在构建经典 DLRM 的从业者列举了商品基数、冷启动、可解释性以及训练/预测成本等挑战,并表示对小公司来说适配 OneRec 会很困难。另一位评论者将字节跳动的自定义存储与使用 Redis 有序集合做了对比。该讨论还争论“基于智能体”的推荐是真正的新方法,还是只是现有信息流算法的描述。
相关文章

原文

arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.

Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them.

Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs.

联系我们 contact @ memedata.com