Buchumschlag

Bending the Scaling Law Curve in Large-Scale Recommendation Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ding, Qin, Course, Kevin, Ma, Linjian, Sun, Jianhui, Liu, Ruochen, Zhu, Zhao, Yin, Chunxing, Li, Wei, Li, Dai, Shi, Yu, Cao, Xuan, Yang, Ze, Li, Han, Liu, Xing, Xue, Bi, Li, Hongwei, Jian, Rui, He, Daisy Shi, Qian, Jing, Ma, Matt, Zhang, Qunshu, Li, Rui
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Information Retrieval Social and Information Networks
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Realizing Scaling Laws in Recommender Systems: A Foundation-Expert Paradigm for Hyperscale Model Deployment
von: Li, Dai, et al.
Veröffentlicht: (2025)

UniMixer: A Unified Architecture for Scaling Laws in Recommendation Systems
von: Ha, Mingming, et al.
Veröffentlicht: (2026)

Principled Synthetic Data Enables the First Scaling Laws for LLMs in Recommendation
von: Zhang, Benyu, et al.
Veröffentlicht: (2026)

Scaling Generative Recommendations with Context Parallelism on Hierarchical Sequential Transducers
von: Dong, Yue, et al.
Veröffentlicht: (2025)

Mixed-Precision Embeddings for Large-Scale Recommendation Models
von: Li, Shiwei, et al.
Veröffentlicht: (2024)

Movable-Antenna Trajectory Optimization for Wireless Sensing: CRB Scaling Laws over Time and Space
von: Ma, Wenyan, et al.
Veröffentlicht: (2025)

Exploring Test-time Scaling via Prediction Merging on Large-Scale Recommendation
von: Lyu, Fuyuan, et al.
Veröffentlicht: (2025)

MTGR: Industrial-Scale Generative Recommendation Framework in Meituan
von: Han, Ruidong, et al.
Veröffentlicht: (2025)

PROMISE: Process Reward Models Unlock Test-Time Scaling Laws in Generative Recommendations
von: Guo, Chengcheng, et al.
Veröffentlicht: (2026)

Reinforce Lifelong Interaction Value of User-Author Pairs for Large-Scale Recommendation Systems
von: Li, Yisha, et al.
Veröffentlicht: (2025)

Embedding Compression in Recommender Systems: A Survey
von: Li, Shiwei, et al.
Veröffentlicht: (2024)

Over-the-Air Computation Systems: Optimization, Analysis and Scaling Laws
von: Liu, Wanchun, et al.
Veröffentlicht: (2019)

Kunlun: Establishing Scaling Laws for Massive-Scale Recommendation Systems through Unified Architecture Design
von: Hou, Bojian, et al.
Veröffentlicht: (2026)

Generative Recommendation for Large-Scale Advertising
von: Xue, Ben, et al.
Veröffentlicht: (2026)

FilterLLM: Text-To-Distribution LLM for Billion-Scale Cold-Start Recommendation
von: Liu, Ruochen, et al.
Veröffentlicht: (2025)

Power Consumption and Energy Efficiency of Mid-Band XL-MIMO: Modeling, Scaling Laws, and Performance Insights
von: Tian, Jiachen, et al.
Veröffentlicht: (2025)

Request-Only Optimization for Recommendation Systems
von: Guo, Liang, et al.
Veröffentlicht: (2025)

Break the Inaccessible Boundary: Distilling Post-Conversion Content for User Retention Modeling
von: Ma, Tianbao, et al.
Veröffentlicht: (2026)

LLaTTE: Scaling Laws for Multi-Stage Sequence Modeling in Large-Scale Ads Recommendation
von: Xiong, Lee, et al.
Veröffentlicht: (2026)

Matryoshka Representation Learning for Recommendation
von: Lai, Riwei, et al.
Veröffentlicht: (2024)

UniShare: A Unified Framework for Joint Video and Receiver Recommendation in Social Sharing
von: Wang, Caimeng, et al.
Veröffentlicht: (2026)

Exploring Training and Inference Scaling Laws in Generative Retrieval
von: Cai, Hongru, et al.
Veröffentlicht: (2025)

SilverTorch: A Unified Model-based System to Democratize Large-Scale Recommendation on GPUs
von: Xue, Bi, et al.
Veröffentlicht: (2025)

HSUGA: LLM-Enhanced Recommendation with Hierarchical Semantic Understanding and Group-Aware Alignment
von: Li, Guorui, et al.
Veröffentlicht: (2026)

Advancements in Recommender Systems: A Comprehensive Analysis Based on Data, Algorithms, and Evaluation
von: Ma, Xin, et al.
Veröffentlicht: (2024)

Climber: Toward Efficient Scaling Laws for Large Recommendation Models
von: Xu, Songpei, et al.
Veröffentlicht: (2025)

STARS: Semantic Tokens with Augmented Representations for Recommendation at Scale
von: Chen, Han, et al.
Veröffentlicht: (2025)

Dataset Condensation for Recommendation
von: Wu, Jiahao, et al.
Veröffentlicht: (2023)

Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations
von: Zhai, Jiaqi, et al.
Veröffentlicht: (2024)

MERGE: Next-Generation Item Indexing Paradigm for Large-Scale Streaming Recommendation
von: Yan, Jing, et al.
Veröffentlicht: (2026)

Enhancing Performance and Scalability of Large-Scale Recommendation Systems with Jagged Flash Attention
von: Xu, Rengan, et al.
Veröffentlicht: (2024)

GPR: Towards a Generative Pre-trained One-Model Paradigm for Large-Scale Advertising Recommendation
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

AgenticRAG: Tool-Augmented Foundation Models for Zero-Shot Explainable Recommender Systems
von: Ma, Bo, et al.
Veröffentlicht: (2025)

DualVAE: Dual Disentangled Variational AutoEncoder for Recommendation
von: Guo, Zhiqiang, et al.
Veröffentlicht: (2024)

Learning Recommender Systems with Soft Target: A Decoupled Perspective
von: Zhang, Hao, et al.
Veröffentlicht: (2024)

From Logs to Language: Learning Optimal Verbalization for LLM-Based Recommendation at Industry Scale
von: Shi, Yucheng, et al.
Veröffentlicht: (2026)

Versioned Late Materialization for Ultra-Long Sequence Training in Recommendation Systems at Scale
von: Guo, Liang, et al.
Veröffentlicht: (2026)

Unlocking Scaling Law in Industrial Recommendation Systems with a Three-step Paradigm based Large User Model
von: Yan, Bencheng, et al.
Veröffentlicht: (2025)

Hierarchical Interaction Summarization and Contrastive Prompting for Explainable Recommendations
von: Liu, Yibin, et al.
Veröffentlicht: (2025)

CIDGMed: Causal Inference-Driven Medication Recommendation with Enhanced Dual-Granularity Learning
von: Liang, Shunpan, et al.
Veröffentlicht: (2024)