跳转至

TWIN V2: Scaling Ultra-Long User Behavior Sequence Modeling for Enhanced CTR Prediction at Kuaishou

保真度：核心机制复现。原文结论、本地公开数据实验和未复刻部分分开陈述。

论文信息

项目 内容
论文链接 CIKM 2024
公司/机构 Kuaishou
首次公开日期 2024-07-23（arXiv v1）
原文开源代码 否：论文未提供官方/作者代码（核查日期：2026-08-09）
Adapter twin-v2
本地复现代码 src/auto_research/reproductions/twin_v2/

原始论文总结

背景与主要改动

离线层次聚类将百万级生命周期行为压缩成带规模信息的虚拟物品；在线 GSU 检索相关簇，ESU 以 cluster-aware target attention 精排。

flowchart LR
 A["公开输入"] --> B["twin-v2 核心机制"]
 B --> C["同预算训练 / 执行"]
 C --> D["公开评测与诊断"]

原论文关键图

TWIN V2: Scaling Ultra-Long User Behavior Sequence Modeling for Enhanced CTR Prediction at Kuaishou 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ a_c=q^\top k_c-\tfrac12\log |c|,\quad h=\sum_{c\in\operatorname{TopK}(a)}\sum_{i\in c}\alpha_i v_i. \]

论文离线与线上效果

Kuaishou 三场景 Watch Time +0.672%/+0.800%/+0.728%，已服务约 4 亿 DAU 主流量。

本地复现

本地对照口径：基线为 shared transition + content baseline，实验组为 TWIN-V2，只改变论文核心机制；ndcg_at_10 0.0354 → 0.0433，相对基线 +22.45%。

auto-research reproduce --paper twin-v2 --dataset-dir data --seed 42

固定指标见 metrics/public-seed42.json。

复现边界

在 MovieLens-100K 全库排序上执行论文的候选相关检索、层级压缩或蒸馏目标；未使用公司私有日志与线上 serving，线上 A/B 只引用原文。 本地相对变化不得与原文指标混写。