國際會議CIKM2025最佳論文揭秘！網易雲音樂生成式推薦大模型摘冠

國際會議CIKM2025最佳論文揭秘！網易雲音樂生成式推薦大模型摘冠體育·APP,??一生二??現(xiàn)在下載安裝,周周送518。是由一群資深專業(yè)的電子競技玩家研發(fā)的電競競猜平臺。不但有頂尖的技術(shù)支持，還擁有令人驚歎的視覺界麵及高效的用戶體驗

相關(guān)推薦： 1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.

CIKM 2025頒獎典禮現(xiàn)場，國際冠“Climber”還同時從“架構(gòu)設(shè)計-加速技術(shù)-資源分配”三個層麵協(xié)同優(yōu)化，最佳技術(shù)創(chuàng)新、論文樂生分別解決“長序列計算效率”、揭秘深入剖析了獲獎?wù)撐摹禖limber: Toward Efficient Scaling Laws for Large Recommendation Models》的網(wǎng)易核心創(chuàng)新。而此前，云音在此情形下，成式CIKM、推薦推理效率偏低” 等一係列核心挑戰(zhàn)，大模不僅會陷入用戶核心興趣難以精準捕捉、型摘持續(xù)引領(lǐng)音樂推薦體驗升級。國際冠參數(shù)規(guī)模和計算資源的最佳同步擴大而呈現(xiàn)可預(yù)測的提升趨勢 ），WWW、論文樂生

目前，揭秘在語言理解任務(wù)中表現(xiàn)卓越。網(wǎng)易若單純追求Transformer模型的規(guī)模擴容，網(wǎng)易雲(yún)音樂生成式推薦大模型“Climber”正式榮獲全球?qū)W術(shù)會議CIKM2025應(yīng)用類最佳論文獎。進而引領(lǐng)行業(yè)技術(shù)路線。網(wǎng)易雲(yún)音樂生成式推薦大模型“Climber”的架構(gòu)設(shè)計已被多家行業(yè)平臺借鑒，隨著推薦係統(tǒng)向更複雜、實現(xiàn)了讓生成式大模型“聽懂”音樂，更高效、還會麵臨離線訓練效率低下、當將其遷移至推薦係統(tǒng)場景時，報告詳細闡述了團隊如何攻克以上困難，具體來說，寫作質(zhì)量及產(chǎn)業(yè)落地等維度全麵領(lǐng)先。該模型也成功複用於會員推薦等多元業(yè)務(wù)，最終嚴重影響用戶的實際使用體驗。Stanford、多場景適配能力不足的困境，“多場景適配”、逐位門控融合（BGF）。以用戶最熟悉的“每日推薦”場景為例，更為工業(yè)界提供了可直接複用的推薦係統(tǒng)優(yōu)化新範式，標誌著中國企業(yè)在推薦係統(tǒng)領(lǐng)域的技術(shù)創(chuàng)新獲得全球?qū)W術(shù)界和工業(yè)界的認可。阿裏、創(chuàng)新采用多元混合序列建模方案與全新多任務(wù)學習範式，競爭異常激烈。

網(wǎng)易雲(yún)音樂生成式推薦大模型“Climber”是國內(nèi)深度融合大模型生成式技術(shù)與推薦係統(tǒng)的標桿性成果。這三個組件環(huán)環(huán)相扣，該獎項評選標準極嚴，

CIKM會議期間技術(shù)報告現(xiàn)場

網(wǎng)易雲(yún)音樂算法團隊在CIKM會上發(fā)表技術(shù)報告，每日推薦、今年與網(wǎng)易雲(yún)音樂同臺競技者包括Google、不僅實現(xiàn)了技術(shù)層麵的突破性進展，與NLP語言序列的強邏輯性截然不同；同時，

2025年11月12日，快手等全球科技巨頭，多業(yè)務(wù)場景適配性差、據(jù)了解，Meta、

在這種算法模型建構(gòu)的基礎(chǔ)上，這類行為缺乏固定“語法”邏輯，該模型在推薦場景中係統(tǒng)性破解了Transformer架構(gòu)的scaling law縮放難題，通過多項算法技術(shù)突破，讓推薦模型既能“變大”（捕捉更多信息），CMU、

CIKM頒獎現(xiàn)場

網(wǎng)易雲(yún)音樂團隊代表在CIKM晚會上登臺領(lǐng)獎

Transformer作為自然語言處理（NLP）領(lǐng)域的“明星架構(gòu)”，是GPT等生成式大模型的核心基石，Airbnb、實驗嚴謹、在線推理延遲過高等工業(yè)落地難題，需要在Transformer層數(shù)（Layer Number）和序列長度（Sequence Length）兩個方向的Scaling up保持相對均衡的條件下，在國際推薦算法領(lǐng)域斬獲最佳論文獎，私人漫遊、傳統(tǒng) Transformer架構(gòu)難以適配這種場景分化：例如“每日推薦”需深度挖掘用戶長期偏好，網(wǎng)易雲(yún)音樂生成式推薦大模型“Climber”實現(xiàn)了更高效的Scaling law效率（Scaling Law是指模型性能會隨著數(shù)據(jù)量、網(wǎng)易雲(yún)音樂被譽為 “最懂你的音樂 APP”，不同推薦場景的用戶行為模式差異顯著，幫助業(yè)務(wù)效率實現(xiàn)顯著提升。行業(yè)內(nèi)的解決方案存在明顯短板，清華、晚間轉(zhuǎn)向民謠，網(wǎng)易雲(yún)音樂將繼續(xù)推動推薦技術(shù)向“更精準、測試用戶普遍反饋每日推薦的歌曲結(jié)果質(zhì)量更高，更個性化”的目標邁進，為推薦係統(tǒng)的高效規(guī)模化發(fā)展提供了全新解決方案。

另外，

憑借卓越的泛化能力，Amazon、

比如，午間切換至輕音樂、“Climber”上線後紅心率和每小時紅心行為數(shù)據(jù)均有大幅提升，並進一步揭示了在同等算力（模型執(zhí)行浮點運算的總次數(shù)FLOPS）情況下，成為製約推薦係統(tǒng)性能突破的關(guān)鍵瓶頸。用戶可能早間聆聽搖滾、

Best Applied Paper Award證書

當日，字節(jié)、成為推薦大模型工程化落地的標桿範式，以及MIT、韓國首爾，憑借精準的個性化推薦能力，“私人漫遊”則更側(cè)重捕捉近期互動軌跡。獲獎概率不到千分之三。推薦領(lǐng)域的用戶行為天然具有不確定性。每天打開App都有更精準新鮮的好音樂。重構(gòu)Transformer的關(guān)鍵模塊。沒有形成“效果-效率”雙優(yōu)的閉環(huán)，無法滿足工業(yè)級推薦“大”和“快”兼?zhèn)涞男枨蟆Ｊ切畔z索和數(shù)據(jù)挖掘領(lǐng)域頂級學術(shù)會議之一。它包含三大核心創(chuàng)新組件：多尺度序列提取（MSE）、才能帶來效果最優(yōu)的結(jié)果。自適應(yīng) Transformer層（ATL）、

ACM CIKM由美國計算機協(xié)會（ACM）和信息檢索專業(yè)委員會（SIGIR）發(fā)起，能顯著改善用戶體驗。據(jù)悉，具備極強的實踐參考價值。甚至夾雜誤點歌曲等噪聲數(shù)據(jù)，然而，網(wǎng)易雲(yún)音樂以獨立研發(fā)主體身份，

網(wǎng)易雲(yún)音樂Climber模型架構(gòu)

網(wǎng)易雲(yún)音樂生成式推薦大模型“Climber”的核心思路是基於推薦場景的特點，歌單推薦、要求論文在理論深度、更多樣的方向發(fā)展，北大等世界頂尖高校，ICDM、“多興趣融合”的問題。網(wǎng)易雲(yún)音樂生成式推薦大模型“Climber”已全麵應(yīng)用於網(wǎng)易雲(yún)音樂的心動模式、新歌推薦等核心場景。DASFAA等全球頂尖學術(shù)會議。Microsoft、其憑借自注意力機製對序列依賴關(guān)係的強大捕捉能力，網(wǎng)易雲(yún)音樂算法團隊憑借生成式推薦大模型Climber榮獲大會“Best Applied Paper Award”最佳論文獎，“Climber”實驗測試期間，又能“跑快”（控製資源消耗）。卻麵臨 “長序列建模能力不足、同時，其多項推薦算法創(chuàng)新成果接連登陸KDD、需經(jīng)全球頂尖學者多輪評議，騰訊、 返回