Meta语义Token化

【背景】Meta于2026年10月发布GenRecs Tokenization技术，旨在通过多模态语义Token替代传统广告ID，解决新广告冷启动问题并提升推荐精度。该技术配合生成式广告模型（GEM）和自适应排序模型，使各场景广告转化率提升0.35%。

此前，Meta依赖庞大的静态ID嵌入表，导致新商品因缺乏历史数据而难以被精准匹配。GenRecs Tokenization将广告、产品等实体编码为离散语义Token序列，使模型能利用预训练世界知识理解内容本质。例如，新款跑鞋广告可继承同类产品的已有认知，无需从零积累点击数据。

这一转变标志着工业推荐系统与大型语言模型（LLM）范式的深度融合。通过引入稳定的语义词汇表，Meta不仅消除了冷启动惩罚，还实现了内存占用降低90%以上的基础设施优化。目前争议较少，主要聚焦于该架构在超大规模实时排序中的长期稳定性与扩展性验证。