Buchumschlag

GRAB: An LLM-Inspired Sequence-First Click-Through Rate Prediction Modeling Paradigm

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Shaopeng, Xie, Chuyue, Ren, Huimin, Zhang, Shaozong, Zhang, Han, Cheng, Ruobing, Cao, Zhiqiang, Ju, Zehao, Gao, Yu, Ding, Jie, Chen, Xiaodong, Jiao, Xuewu, Li, Shuanglong, Lin, Liu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Infer As You Train: A Symmetric Paradigm of Masked Generative for Click-Through Rate Prediction
von: Zhang, Moyu, et al.
Veröffentlicht: (2025)

DGenCTR: Towards a Universal Generative Paradigm for Click-Through Rate Prediction via Discrete Diffusion
von: Zhang, Moyu, et al.
Veröffentlicht: (2025)

Enhancing Cross-domain Click-Through Rate Prediction via Explicit Feature Augmentation
von: Chen, Xu, et al.
Veröffentlicht: (2023)

Quadratic Interest Network for Multimodal Click-Through Rate Prediction
von: Li, Honghao, et al.
Veröffentlicht: (2025)

Optimizing Feature Set for Click-Through Rate Prediction
von: Lyu, Fuyuan, et al.
Veröffentlicht: (2023)

Deep Pattern Network for Click-Through Rate Prediction
von: Zhang, Hengyu, et al.
Veröffentlicht: (2024)

Retrieval-Oriented Knowledge for Click-Through Rate Prediction
von: Liu, Huanshuo, et al.
Veröffentlicht: (2024)

Deep Multiple Quantization Network on Long Behavior Sequence for Click-Through Rate Prediction
von: Wei, Zhuoxing, et al.
Veröffentlicht: (2025)

Understanding and Counteracting Feature-Level Bias in Click-Through Rate Prediction
von: Jin, Jinqiu, et al.
Veröffentlicht: (2024)

Open Benchmarking for Click-Through Rate Prediction
von: Zhu, Jieming, et al.
Veröffentlicht: (2020)

All-domain Moveline Evolution Network for Click-Through Rate Prediction
von: Gao, Chen, et al.
Veröffentlicht: (2024)

LoopCTR: Unlocking the Loop Scaling Power for Click-Through Rate Prediction
von: Tang, Jiakai, et al.
Veröffentlicht: (2026)

FCN: Fusing Exponential and Linear Cross Network for Click-Through Rate Prediction
von: Li, Honghao, et al.
Veröffentlicht: (2024)

Cross Domain LifeLong Sequential Modeling for Online Click-Through Rate Prediction
von: Hou, Ruijie, et al.
Veröffentlicht: (2023)

Deep Situation-Aware Interaction Network for Click-Through Rate Prediction
von: Lv, Yimin, et al.
Veröffentlicht: (2026)

Decoupled Multimodal Fusion for User Interest Modeling in Click-Through Rate Prediction
von: Fan, Alin, et al.
Veröffentlicht: (2025)

Adaptive Low-Precision Training for Embeddings in Click-Through Rate Prediction
von: Li, Shiwei, et al.
Veröffentlicht: (2022)

EST: Towards Efficient Scaling Laws in Click-Through Rate Prediction via Unified Modeling
von: Liu, Mingyang, et al.
Veröffentlicht: (2026)

GRAB-ANNS: High-Throughput Indexing and Hybrid Search via GPU-Native Bucketing
von: Zhao, Xinkui, et al.
Veröffentlicht: (2026)

Efficient Transfer Learning Framework for Cross-Domain Click-Through Rate Prediction
von: Liu, Qi, et al.
Veröffentlicht: (2024)

Adaptive User Interest Modeling via Conditioned Denoising Diffusion For Click-Through Rate Prediction
von: Zhao, Qihang, et al.
Veröffentlicht: (2025)

Towards Unifying Feature Interaction Models for Click-Through Rate Prediction
von: Kang, Yu, et al.
Veröffentlicht: (2024)

Recall-Augmented Ranking: Enhancing Click-Through Rate Prediction Accuracy with Cross-Stage Data
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

Fusion Matters: Learning Fusion in Deep Click-through Rate Prediction Models
von: Zhang, Kexin, et al.
Veröffentlicht: (2024)

From Collapse to Stability: A Knowledge-Driven Ensemble Framework for Scaling Up Click-Through Rate Prediction Models
von: Li, Honghao, et al.
Veröffentlicht: (2024)

InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
von: Zeng, Zhichen, et al.
Veröffentlicht: (2024)

Learning Multi-Branch Cooperation for Enhanced Click-Through Rate Prediction at Taobao
von: Chen, Xu, et al.
Veröffentlicht: (2024)

Generative Long-term User Interest Modeling for Click-Through Rate Prediction
von: Shao, Jiangli, et al.
Veröffentlicht: (2026)

ELEC: Efficient Large Language Model-Empowered Click-Through Rate Prediction
von: Dong, Rui, et al.
Veröffentlicht: (2025)

Mutual Learning for Finetuning Click-Through Rate Prediction Models
von: Yilmaz, Ibrahim Can, et al.
Veröffentlicht: (2024)

DemiNet: Dependency-Aware Multi-Interest Network with Self-Supervised Graph Learning for Click-Through Rate Prediction
von: Wang, Yule, et al.
Veröffentlicht: (2021)

Selective Test-Time Compute Scaling for Click-Through Rate Prediction via Uncertainty-Triggered Feature Path Exploration
von: Zhang, Moyu, et al.
Veröffentlicht: (2026)

Distribution-Aware End-to-End Embedding for Streaming Numerical Features in Click-Through Rate Prediction
von: Liu, Jiahao, et al.
Veröffentlicht: (2026)

Context-Aware Lifelong Sequential Modeling for Online Click-Through Rate Prediction
von: Guo, Ting, et al.
Veröffentlicht: (2025)

RAT: Retrieval-Augmented Transformer for Click-Through Rate Prediction
von: Li, Yushen, et al.
Veröffentlicht: (2024)

LASAR: Latent Adaptive Semantic Aligned Reasoning for Generative Recommendation
von: Chen, Yiwen, et al.
Veröffentlicht: (2026)

MLLMRec: A Preference Reasoning Paradigm with Graph Refinement for Multimodal Recommendation
von: Dang, Yuzhuo, et al.
Veröffentlicht: (2025)

FEDIN: Frequency-Enhanced Deep Interest Network for Click-Through Rate Prediction
von: Dai, Zenan, et al.
Veröffentlicht: (2026)

Multi-Epoch learning with Data Augmentation for Deep Click-Through Rate Prediction
von: Fan, Zhongxiang, et al.
Veröffentlicht: (2024)

Unified Low-rank Compression Framework for Click-through Rate Prediction
von: Yu, Hao, et al.
Veröffentlicht: (2024)