اگر در حوزه یادگیری ماشین و سیستمهای توصیهگر (Recommendation Systems) فعال هستید، حتماً میدانید که چالش اصلی، ترکیب هوشمندانه «ویژگیهای غیرمتوالی» با «تاریخچه رفتاری کاربر» است. محققان بهتازگی معماری جدیدی به نام WHALE معرفی کردهاند که با ترکیب دو مدل قدرتمند Wukong و HSTU، این دو بخش را بهصورت یکپارچه مدلسازی میکند.
نکته جذاب این معماری، استفاده از یک ماژول «تلفیق مبتنی بر توجه» (Attention-based fusion) است که اجازه میدهد تعاملات پیچیده ویژگیها، اطلاعات دقیقتری را از تاریخچه رفتاری کاربران استخراج کند. به لطف بهینهسازیهای سیستمیک با Triton kernels، این مدل برای استفاده در مقیاس صنعتی کاملاً آماده و کارآمد است. 📊✨
منبع: arXiv AI