**OneRank：面向多任务推荐的统一Transformer原生排序架构**

_OneRank: Unified Transformer-Native Ranking Architecture for Multi-Task Recommendation_

> 多任务学习对推荐系统至关重要，但现有的Transformer架构仍分离特征编码与多任务预测，导致信息瓶颈和梯度冲突。OneRank提出了一种Transformer原生的多任务排序框架，通过任务私有通道实现任务特化学习，前向利用任务条件信息选择和后向梯度分离避免负迁移，并采用动态匹配评分替代静态MLP。在工业级数据集上的离线在线实验表明，OneRank显著优于现有方法并保持高效。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.16838)