跳转至

Read this paper write-up in English

Beyond Interaction Capacity: Estimator Scaling with Recursive Models for CTR Prediction

复现级别：L1 核心机制诊断。 执行共享递归、route 平均、trajectory EMA 和可运行 RankMixer Evolve block；未做 benchmark 训练或独立模型蒸馏。

论文信息

项目 内容
论文链接 arXiv 2609.37905
公司/机构 Georgia Institute of Technology / Google Research
首次公开日期 2026-09-29（arXiv v1）
原文开源代码 否：截至 2026-10-01 未找到原作者公开仓库
Adapter recap-ctr
本地复现代码 src/auto_research/reproductions/recap_ctr/

原始论文总结

背景与主要改动

不再只增加单个 CTR predictor 的交互容量，而是扩展相关 estimator；RECAP 在共享参数的递归 backbone 上形成多条 route，并结合独立模型蒸馏、训练轨迹 EMA 与推理 route 平均。

flowchart LR
  I[公开输入/当前状态] --> M[recap-ctr 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文关键图

Beyond Interaction Capacity: Estimator Scaling with Recursive Models for CTR Prediction 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。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

\(\bar Z_M=M^{-1}\sum_m Z_m\)，共享 block 递归产生多 route logit 并做平均；本地同时保留训练轨迹 EMA。

论文离线与线上效果

原文在多个公开 CTR benchmark 上改善性能—参数 Pareto，但没有量化线上 A/B；因此本条只作为学术机制和 Evolve 算子。

本地复现

本地对照口径：基线为论文机制关闭或默认状态，实验组为开启对应核心算子；本批只验证不变量和状态转换，跨模型相对变化不适用。

三种子诊断见 metrics/mechanism-seeds42-44.json。diagnostic_only=true，只证明核心状态转换、梯度或调度不变量可执行，不能进入正式能力排名。

复现边界

执行共享递归、route 平均、trajectory EMA 和可运行 RankMixer Evolve block；未做 benchmark 训练或独立模型蒸馏。