研究表明，嵌入坍塌现象限制了大规模推荐模型的可扩展性。为此，提出了多嵌入设计和两阶段模型选择框架，以提高模型选择效率。新技术Neural Input Search通过强化学习优化分类特征嵌入维度，优于传统方法。此外，研究探讨了数据选择问题，提出基于可扩展多样化模型选择的框架，并展示了其在多任务学习和深度特征选择中的应用。