Netflix 在 10% 的流量上测试 GenRec，报告相对提升 0.006%
Netflix 工程师 Ying Li、Arjun Rao 和 Shradha Sehgal 在使用大约少了 40 倍的 Phase 2 标签的情况下，测试了一个基于 LLM 的排序器，并在一个未披露的核心指标上报告了 0.006% 的相对提升。
By RuntimeWire Staff · Published
Primary source: Netflix TechBlog
为何重要
GenRec 为推荐系统工程师提供了一个具体的设计方案可供检验：压缩行为上下文，比基础模型更频繁地刷新排序相关训练，并将 LLM 得分约束到已知目录中。它那微小的 0.006% 相对线上增益也显示出，即便标签更少且服务成本更低，要击败一个成熟的排序器依然很困难。
Netflix 工程师 Ying Li、Arjun Rao 和 Shradha Sehgal 将 GenRec（一种由 LLM 支持的排序器）与该流媒体服务成熟的生产推荐系统进行了对比测试。Netflix 在大约 10% 的流量上对 GenRec 进行了为期四周的测试，并报告其核心在线指标出现统计显著的 0.006% 相对提升。…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.