Google提出G-W-L级联框架治理推荐系统训练发散

2026年10月14日，Google团队发布论文，针对日交互量达数十亿的短视频推荐场景，分析大规模推荐系统训练不稳定的成因与对策。论文指出，训练发散并非单点失控，而呈现「G-W-L 级联」过程：梯度爆炸先发生，继而引发权重爆炸，最终导致损失爆炸；主要诱因是用户数据分布快速漂移与模型复杂度上升。研究把稳定化干预映射到梯度控制、权重/激活稳定、损失塑形三个阶段，并在工业级短视频推荐系统上验证有效。目前该工作以论文形式披露，尚无更多公开进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。