Google 提出梯度-权重-损失三级级联框架治理推荐系统训练发散

Google 团队发布论文，分析大规模推荐系统（日交互数十亿的短视频推荐场景）训练不稳定的成因与对策。核心发现是训练发散呈「G-W-L 级联」：梯度爆炸→权重爆炸→损失爆炸，主要诱因是用户数据分布快速漂移与模型复杂度上升。论文将稳定化干预映射到梯度控制、权重/激活稳定与损失塑形三阶段，并在工业级短视频推荐系统上验证有效。