量子位
·
蚂蚁用8B小模型构建用户“话”像，跨任务跨模型通用且SOTA
💡
原文中文，约3500字，阅读约需9分钟。
📝
内容提要
蚂蚁推出AlignXplore+，通过文本化用户建模实现个性化，突破传统推荐系统的局限。该模型具备全域通用、极致迁移和实战适配三大特性，能够有效理解用户偏好，提升个性化应用的准确性和鲁棒性。
🎯
关键要点
- 蚂蚁推出AlignXplore+，通过文本化用户建模实现个性化，突破传统推荐系统的局限。
- AlignXplore+具备全域通用、极致迁移和实战适配三大特性，能够有效理解用户偏好。
- 传统推荐系统依赖ID Embedding或特定参数，存在不可解释性和无法迁移的问题。
- AlignXplore+采用基于文本的用户表示，能够推断出与模型和任务无关的偏好总结。
- AlignXplore+打破数据孤岛，处理异构数据源，提炼出用户偏好摘要。
- AlignXplore+实现了一次画像处处通用，支持跨任务和跨模型迁移。
- AlignXplore+适应真实世界数据噪点，保持稳定的推理能力。
- AlignXplore+的训练框架包括SFT和RL两个阶段，确保用户偏好的准确性和演化性。
- AlignXplore+在用户理解准确性、迁移能力和鲁棒性上实现了全面升级。
- 未来将继续探索流式推理、全面用户行为挖掘和通用训练范式。
➡️
