研究者发布OptIDC统一输入侧维度配置框架论文

研究者 Chaohua Yang 在 arXiv 发布论文，提出 OptIDC，一个用于深度 CTR 预测的统一输入侧维度配置框架，可联合学习样本、特征和嵌入向量三个层级的配置。其核心是通过选择加权 Optimal Transport 机制对齐粗粒度与细粒度选择，以缓解跨层级选择冲突。 论文称该框架与模型无关，可集成到现有 CTR 模型；在四个真实基准数据集上的实验显示，其 AUC 一致高于现有输入侧选择方法。目前为论文发布阶段的成果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。