DeepMind等提出DuoLM推荐框架

2026年10月26日，AGI Hunt报道，Google DeepMind、UC Irvine 与 Oracle 的研究者提出推荐框架 DuoLM，目标是在保持推荐质量的前提下，让基于 LLM 的个性化推荐实现高吞吐的在线服务。该框架的做法是：先用编码器 LLM 在离线阶段学习紧凑的物品表示，供运行时反复复用；再配合优化后的推理流程以及一个轻量排序器，从而在几乎不损失推荐质量的情况下提升吞吐。论文同时分析了基于 ID 的双塔模型的局限：这类模型只依赖交互数据进行训练。截至目前，报道只介绍了方法设计与论文分析，尚未提及线上部署或具体吞吐数据。

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。