快科技4月3日消息，近日，百度团队在arXiv上发表论文，介绍了一种名为COBRA的新算法框架，被应用于提升生成式模型在广告推荐系统中的使用效果。
根据论文介绍，工程师将COBRA框架应用于真实环境中的A/B测试，结果显示转化率提升了3.6%，平均每用户收入（ARPU）增加了4.15%。
![百度研发出广告推荐新<a href=]()
系统：大模型加持、转化率提升3.6%" src="http://thumb10.web3radio.com/n33113m361r715o7815/cba67ef610593f5f.png" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid black; --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>
目前，该框架已经应用于百度的广告推荐业务中。
COBRA框架融合了生成式和密集检索的技术，通过稀疏ID和稠密向量的结合，提供更全面的目标对象特征。
稀疏ID负责提供稳定的类别基础信息，而稠密向量则确保模型能够捕获高级语义和细粒度细节，这种端到端的训练方法可以更好地捕获用户意图和协同信息。
在技术实现上，百度团队采用了残差量化变分自编码器（RQ-VAE）”技术，综合了残差学习、量化技术和变分自编码器三种方法。
这一技术可以减少信息损失、提高模型的泛化能力，并通过优化模型参数，改善重构效果。
实测效果表明，COBRA框架在利用公开数据集（如Amazon Product Reviews）和工业数据集（如百度工业数据集）进行离线和在线评估后，均优于目前业内最先进的方法。