Meta 称 AI 智能体处理了超过 60% 的广告排序技术传播
先了解这件事
Meta 表示,自 2026 年 3 月起,AI 智能体已在其广告排序模型集群中处理了超过 60% 的技术传播工作。Meta 认为这一转变带来了 3 倍的工程效率提升,并且在部分技术-模型组合上,训练算力中位数降低了 4 倍。这些智能体将工作拆分为发现、泛化和采用三个阶段,借助一个由过往训练运行和模型架构构成的共享知识库来挑选候选方案、缩小超参数搜索范围,并运行数百个并发训练任务。 Meta 估计,到今年年底,这一方法将节省超过 4500 万美元的算力成本,并计划将一项已验证技术推广到所有适用模型所需的时间从一年多缩短到三个月。Meta 表示,关键决策仍由人工审核,上线内容也需人工批准;同时,对于其收入最高的模型,最强结果仍来自现有流程,而该流程无法扩展到整个模型集群。 另外,Meta 还介绍了一种模板驱动的开发方法,将模型设计标准化为可复用的标准模型模板。Meta 表示,该方法在两年内将单模型工程时间减少了 92%,交付了 5000 多个技术-模型组合,在中性服务容量下将离线模型质量平均提升了 0.63%,并实现了 0.86% 的累计线上提升,按数量计算覆盖了 70% 的模型。
AI 根据报道生成 · 1 天前更新
事件进展
2 个进展
- 11月19日 01:00 · 1 篇报道Meta 分享 AI 智能体如何规模化推广技术传播Meta Engineering Blog:Meta如何利用AI智能体在广告排序模型中规模化推广机器学习创新
- 11月19日 00:59 · 1 篇报道Meta 的模板驱动机器学习方法减少了单模型工程Meta Engineering Blog:Meta 的模板驱动机器学习方法将单模型工程时间减少 92%
报道时间线
沿着报道,了解事件的不同侧面。
- Meta Engineering BlogMeta如何利用AI智能体在广告排序模型中规模化推广机器学习创新
Meta表示,自2026年3月以来,AI智能体已处理其广告排序模型集群中超过60%的技术传播工作,早期结果显示工程效率提升3倍,在部分技术-模型组合上训练算力中位数减少4倍。该系统将技术传播拆分为发现、泛化和采用三个阶段,智能体借助包含既往训练运行和模型架构的共享知识库来挑选候选方案、缩小超参数搜索范围并管理数百个并发训练任务。Meta估计到今年年底可节省超过4500万美元算力成本,并计划将一项已验证技术推广到所有适用模型的时间从一年多缩短至三个月。
- Meta Engineering BlogMeta 的模板驱动机器学习方法将单模型工程时间减少 92%
Meta 详细介绍了一种模板驱动的机器学习开发方法,该方法将模型设计标准化为可复用的标准模型模板(SMT),在两年内将单模型工程时间减少了 92%。该系统已交付 5000 多个技术-模型组合,在中等服务容量下将离线模型质量平均提升 0.63%,并实现了 0.86% 的累计在线提升,按数量计算覆盖了 70% 的模型。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 911月19日 03:00
- 近 24 小时变化
- -50%
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。