Optimizing Effective Training Time for Large-Scale Recommendation Systems¶

复现级别：L1 核心机制诊断。 执行 ETT 分解与 owner loss 归因；这是用户批准的生产基础设施例外，不声称推荐模型效果或线上 A/B 收益。

收录例外：用户于 2026-10-02 明确批准的生产训练基础设施例外；部署指标是 ETT，不作为推荐模型效果或线上 A/B 收益。

论文信息¶

项目	内容
论文链接	arXiv v1
公司/机构	Meta Platforms, Inc.
首次公开日期	2026-10-01（arXiv v1）
原文开源代码	否：截至 2026-10-02 未找到原作者公开实现
Adapter	`effective-training-time`
本地复现代码	`src/auto_research/reproductions/effective_training_time/`

原始论文总结¶

背景与主要改动¶

把端到端 wall time 分为真正消费新数据的训练时间与初始化、编译、checkpoint、发布和恢复等生命周期损耗，再按 owner 定位和优化。

flowchart LR
  I[输入/当前状态] --> M[effective-training-time 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¶

原论文关键图：展示论文核心架构、训练流程或系统协议。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¶

\(ETT=training\_on\_new\_data / wall\_time\)。

论文离线与线上效果¶

代表模型 ETT 平均提高 15.5%，最大 workload 达 85%；部署后全 fleet 从约 80% 提升到 90% 以上。

本地复现¶

本地对照口径：基线为机制关闭或默认状态，实验组为开启对应核心算子；相对百分比不适用。本批指标只验证不变量、梯度或状态转换，不表示论文规模效果。

三种子诊断：metrics/mechanism-seeds42-44.json
diagnostic_only=true，不进入正式能力排名。

复现边界¶

执行 ETT 分解与 owner loss 归因；这是用户批准的生产基础设施例外，不声称推荐模型效果或线上 A/B 收益。