MTFM：美团统一推荐基座大模型在外卖多业务场景的落地实践

摘要

介紹美團基於 MTGR 推出的統一推薦基座大模型 MTFM，透過異構 Tokenizer 與混合注意力架構解決多場景建模挑戰。讀者可了解其如何實現跨業務特徵免對齊、降低推理成本並提升訂單量，並掌握相關技術細節與實踐成果。

Meituan introduces MTFM, a unified recommendation foundation model that achieves cross-scenario feature alignment and reduces inference costs.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• MTFM 統一多個業務場景，實現跨場景特徵免對齊建模。
• 採用混合注意力與 Target Scale-Up 提升模型擴展能力。
• 推理成本降低 24%，訂單量提升 2.06% 至 6.68%。

提到的工具與公司

• MTFM
• MTGR
• DLRM
• HSTU
• OneTrans
• OneRec
• Flash-Attention V2
• Muon

適合誰看

推薦給從事推薦系統、大模型應用或工業界 AI 落地的工程師與技術決策者。

摘要依據

依據

文章全文

為什麼排在這裡

人氣

0.50

新鮮

0.94

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 美团搜索3.0：LLM 语义表征在排序模型的探索与应用文章 ・ 美团技术团队
• FreeToken开源MoE大模型推理引擎影片 ・ 小工蚁创始人 ・ 6 分鐘
• The CEO Behind the Fastest-Growing AI Inference Company | Tuhin SrivastavaPodcast ・ Gradient Dissent ・ 59 分鐘
• LLM Building Blocks & Transformer Alternatives影片 ・ Sebastian Raschka ・ 27 分鐘
• 美团智播——数字人直播技术创新与实践文章 ・ 美团技术团队
• Improving Recommendation Systems & Search in the Age of LLMs文章 ・ Eugene Yan（部落格）