TransX：面向推荐系统的序列转导扩展技术报告
原标题：TransX Technical Report: Scaling Sequence Transduction for Recommendation
AI 摘要
TransX 是一个面向工业推荐系统的序列转导框架，将序列编码、行为记忆和候选条件融合拆分为可独立扩展的计算角色，并配套设计了训练与推理基础设施。在线上 A/B 实验中，核心模型将 CTR 提升 6.02%、转化率提升 4.45%，后训练检索与偏好排序变体也分别带来提升。其协同设计的训练基础设施将监督目标吞吐提升 84%，分离式推理在同等流量和 SLO 下大幅降低服务成本，并能在相同成本下维持与 HSTU 风格基线相当的每请求 FLOPs。
正文节选
TransX Technical Report Scaling Sequence Transduction for Recommendation Da Xu11 1 Contact: daxu5180@gmail.com, Liyan Fang, Divya Venugopalan, Sunny Hsu, Xukai Wang, Rishav Chowdhury, Cindy Liang, Nishant Lakshmikanth Contents Abstract We present TransX, a sequence-transduction framework and co-designed infrastructure for scaling industrial recommendation with explicit control over model-compute allocation and execution amortization. TransX separates sequence encoding, behavior memory, and candi