Meta 表示,AI 智能體處理了超過 60% 的廣告排序技術傳播
先了解這件事
Meta 表示,自 2026 年 3 月起,AI 智能體已在其廣告排序模型集群中處理了超過 60% 的技術傳播;該公司將這一轉變歸功於工程生產力提升至 3 倍,並在部分技術與模型組合上將訓練算力中位數降低至四分之一。這些智能體將工作拆分為發現、泛化與採用三個環節,並借助一個共享知識庫來挑選候選方案、縮小超參數搜索範圍並運行數百個並行訓練任務;該知識庫匯集了過往訓練運行與模型架構的資訊。 Meta 估計,到今年年底,這一方法將節省超過 4,500 萬美元的算力成本,並計劃將一項經過驗證的技術推廣到所有適用模型所需的時間從一年以上縮短至三個月。Meta 表示,人類仍會審查關鍵決策並批准最終上線的內容,而且其收入最高的模型所取得的最佳結果仍來自現有流程;該公司稱,這一流程無法擴展到整個模型集群。 另外,Meta 介紹了一種模板驅動的開發方法,將模型設計標準化為可重複使用的標準模型模板。Meta 表示,這在兩年內將單模型工程時間減少了 92%,交付了 5,000 多個技術與模型組合,在中性服務容量下將離線模型質量平均提升 0.63%,並在按數量覆蓋 70% 模型的情況下實現了 0.86% 的累計線上提升。
AI 依報導生成 · 1 天前更新
事件進展
2 個進展
- 11月19日 01:00 · 1 篇報導Meta 分享 AI 智能體如何規模化推廣技術傳播Meta Engineering Blog:Meta 如何用 AI 代理在廣告排名模型中規模化推廣機器學習創新
- 11月19日 00:59 · 1 篇報導Meta 的模板驅動機器學習方法減少了單模型工程Meta Engineering Blog:Meta 的模板驅動 ML 方法將單一模型的工程時間縮減 92%
報導時間線
沿著報導,了解事件的不同側面。
- Meta Engineering BlogMeta 如何用 AI 代理在廣告排名模型中規模化推廣機器學習創新
Meta 表示,自 2026 年 3 月起,AI 代理已處理其廣告排名模型群中超過 60% 的技術傳播,早期結果顯示工程生產力提升 3 倍,部分技術與模型組合的訓練算力中位數降低 4 倍。該系統將傳播分為發現、泛化與採用三個階段,代理借助涵蓋過往訓練運行與模型架構的共享知識庫來挑選候選方案、縮小超參數搜索範圍,並管理數百個並行訓練任務。Meta 估計到今年年底可節省超過 4500 萬美元的算力成本,目標是將一項已验证技術推廣到所有適用模型的時間從一年以上縮短至三個月。
- Meta Engineering BlogMeta 的模板驅動 ML 方法將單一模型的工程時間縮減 92%
Meta 詳細介紹了一種模板驅動的 ML 開發方法,將模型設計標準化為可重複使用的標準模型模板(SMT),兩年內將單一模型的工程時間縮減了 92%。該系統交付了 5000+ 個技術-模型組合,在中等服務容量下將離線模型品質平均提升了 0.63%,並帶來了 0.86% 的累積線上提升,按數量計算覆蓋了 70% 的模型。
本事件熱度走勢
- 可比範圍當前
- 5
- 可比範圍峰值
- 911月19日 03:00
- 近 24 小時變化
- -50%
趨勢僅比較持續完整觀測到的相同主體,範圍可能小於當前熱度統計。移動指標或點擊圖表查看每小時熱度;鍵盤可用左右方向鍵切換。