Merge and Branch：树结构监督微调方法

2026年10月30日，arXiv Artificial Intelligence 刊出由 Yunqin Zhu、Yao Xie 提出的 Merge and Branch（M&B）树结构监督微调方法，面向推荐场景。据该报道，M&B 将每条历史物品的 SID 与文本压缩为少量学习 token，并用压缩后的历史同时预测多个目标 SID，以浅而宽的树结构共享历史计算；配套的 tree FlashAttention 只处理一次共享历史并回传各分支梯度，树结构 key/value cache 将历史共享扩展到受限解码。公开基准实验显示，M&B 在优于强推荐基线的同时显著提升训练与解码效率。目前该事件仅有这一篇主报道，尚无跟进报道，后续进展有待观察。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。