IXThinker·2025-08-02 20:00

字節RankMixer：推薦模型參數量級躍升

字節跳動算法團隊提出全新推薦排序模型架構RankMixer，從軟硬件協同角度重新設計推薦系統，在兼顧算力利用率的同時實現模型效果的可擴展，把抖音推薦精排模型的表達能力推上新台階。

架構革新

RankMixer以「馬車換跑車」的思路重新設計推薦模型，將抖音推薦精排模型的Dense參數量由1600萬量級擴大兩個數量級至10億量級，大幅增強模型表達能力，為推薦效果打開更大上限。