Naukowcy opublikowali na arXiv GenCDSR - framework generatywny dla rekomendacji sekwencyjnych na wielu domenach, który radykalnie poprawia zarówno szybkość jak i dokładność systemu. Metoda wykorzystuje hybrydową tokenizację łączącą architekturę multi-tower do jednoczesnego ujęcia wspólnych cech między domenami i distinkcji specyficznych dla każdej domeny poprzez hierarchiczne słowniki wspólne i specjalistyczne.
Kluczu problemu rozwiązane przez GenCDSR dotyczą dwóch kwestii istniejących metod: ignorowania korelacji kolaboracyjnych podczas tokenizacji oraz nieefektywnych strategii dekodowania takich jak beam search, które opóźniają wdrażanie w rzeczywistych systemach. Nowa strategia dekodowania szeregowo-równoległego wykorzystuje hierarchiczną strukturę semantycznych identyfikatorów do częściowego zrównoleglenia generowania, drastycznie redukując opóźnienia inferencji.
Eksperymentalne wyniki na trzech publicznych zbiorach danych wykazują średnią poprawę dokładności o 1,5 procenta i redukcję opóźnienia inferencji o 85,1 procenta w stosunku do obecnych baseline'ów. To oznacza potencjalną możliwość wdrażania zaawansowanych systemów rekomendacyjnych multi-domenowych w aplikacjach wymagających odpowiedzi w czasie rzeczywistym - kod i dane są dostępne publicznie na platformie arXiv.