朝向基本可扩展的模型选择：渐近快速更新和选择
原文中文，约200字，阅读约需1分钟。发表于：。深度学习技术的进步带来了每天都有新模型的情况，激发了对可扩展模型选择的研究。本研究旨在针对根本上更可扩展的模型选择，同时支持渐进快速更新和渐进快速选择。
该研究提出了一种名为Neural Input Search的技术，通过强化学习自动学习最优的分类特征嵌入维度和词汇大小。该技术采用了Multi-size Embedding，相比传统的Single-size Embedding，在推荐问题上表现更好。
