MARS: Multi-rate Aggregation of Recency Signals for Sequential Recommendation across Sparse and Dense Regimes
MARS：多速率时间感知聚合用于稀疏与密集序列推荐
🧭 序列推荐 · 多尺度时间建模 ★ 深度解读
复旦大学计算机科学技术学院
提出编码器无关的多速率指数衰减聚合算子，根据数据密度自动选择Transformer/Mamba骨干，显著提升序列推荐。
📌 工作参考价值（4 点）
- 解耦时间聚合与序列编码：可将 MARS 作为轻量级后处理模块插入现有排序模型，仅O(LdK)开销，无需改动编码器，适合业务快速迭代。
- 多速率衰减头与自适应门控：用户条件调制和JSD多样性正则防止多头坍塌，捕捉多尺度兴趣（如短时爆发 vs 长期偏好），尤其适用于电商中长短周期混合的场景。
- 数据密度驱动的骨干选择：根据平均序列长度自动选用Transformer（稀疏）或Mamba（密集），避免单一骨干的边际收益递减，推荐系统可依此策略分场景部署。
- 分组评估揭示收益来源：长历史用户从多速率机制受益最大（Yelp上+29.7%），业务上可针对性对高活跃用户启用该模块，平衡性能与成本。