阿里媽媽與人大提出TransRetrieval

召回的雙重挑戰

召回決定哪些候選有機會進入後續排序，需要在數千萬乃至上億候選中完成篩選，而線上預算往往只有幾十毫秒。把更強的Transformer引入召回，既要讓新增計算帶來效果收益，也要令這種能力在海量候選檢索中高效運行。

特徵組織為Token

針對上述問題，阿里媽媽展示廣告Match團隊與中國人民大學聯合提出TransRetrieval，將用戶與廣告特徵組織為Transformer Token，並從異構特徵聚合等方面展開設計，探索工業級召回的高效Scaling架構。

入選CIKM口頭報告

該研究入選CIKM'26並獲口頭報告資格。推薦系統積累了豐富的交互數據，如何與持續增長的算力結合，轉化為更準確的理解與匹配能力，是推薦模型走向更大規模時必須回答的問題，此項工作正是圍繞這一核心展開。