EMER 可以更智能地對短視頻內容進行排名。 這是一個端到端的多目標集成排名框架，通過學習個性化來取代手動啟發式方法。它設計了一種新的損失函數以應對模糊監督，使用基於變壓器的架構來建模候選者之間的關係，並確保評估中的離線-在線一致性。 在快手（數億用戶）部署後，EMER 提高了應用停留時間 1.39% 和 7 天用戶壽命 0.196%——這對於工業規模的推薦系統來說是一個重大飛躍。 一個端到端的多目標集成排名框架，用於視頻推薦 論文： 我們的報告：