知识卡片
PLE多层专家结构
PLE 是多目标专家结构的集大成者,可看作“多层的 CGC”。它与 MMOE(单层专家、专家间无交融)、SNR(多层专家、本层专家来自上层经 Trans/Aver)的区别在于:PLE 每一层专家分两类——共享专家与任务专家;共享专家来自上一层所有专家,任务专家只与其相关任务的专家和共享专家相连,与其他任务专家无关。
换句话说,PLE = 多层 + 每层“共享专家 + 任务专属专家”,在保留任务个性化的同时实现跨层知识传递。它综合了 [[多目标MMOE专家门控]] 的门控选择、[[CGC共享与专属专家]] 的专属专家思想,并解决 CGC 只有单层的问题。工程上 PLE 的层数与会带来更多超参与调参成本,但多任务相关性/个性化平衡更好,是工业多目标的重要选型之一。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 精排层的样本选择和模型选择 8.7 多目标建模 · 查看原书依据
共享专家来自上一层所有的专家,而任务专家只与其相关任务的专家和共享专家有关,与其他任务的专家无关
参考来源
- 位置:《推荐系统全链路设计:原理解读与业务实践》第8章《精排层的样本选择和模型选择》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/114.html;src-054)
- 结论依据:原文对比 PLE 与 MMOE/SNR/CGC,明确 PLE 为多层、每层含共享专家与任务专家、任务专家只连相关任务与共享专家。
- 原始内容:共享专家来自上一层所有的专家,而任务专家只与其相关任务的专家和共享专家有关,与其他任务的专家无关