EMER kan rangere kort videoinnhold mer intelligent. Det er et ende-til-ende-rammeverk for ensemblerangering med flere mål som erstatter manuell heuristikk med lært personalisering. Den designer et nytt tap for tvetydig tilsyn, bruker en transformatorbasert arkitektur for å modellere kandidatrelasjoner, og sikrer offline-online konsistens i evalueringen. Distribuert hos Kuaishou (hundrevis av millioner brukere), økte EMER appoppholdstiden med 1,39 % og 7-dagers brukerlevetid med 0,196 % – et stort sprang for anbefalingssystemer i industriell skala. Et ende-til-ende-rammeverk for ensemblerangering med flere mål for videoanbefaling Papir: Vår rapport: