Improving Training Stability for Multitask Ranking Models in Recommender Systems 摘要

大多推荐系统的工作，想研究一个更好的模型，然而我们发现 训练稳定性 被低估。
训练稳定性，比如loss divergence，会使模型不可用。
本文分享我们学习到的用于提高YouTube推荐系统 多任务排序模型的 训练稳定性 的发现和最佳实践。
提出新的算法来缓解现有解决方案的局限性。
在YouTube数据集上的实验表明，与几种常用的基准方法相比，所提出的算法可以显著提高训练稳定性，同时不会影响收敛性。