DeepMTL2R：面向深度多任务学习排序的库
机器学习
2026-02-17 v1 信息检索
摘要
本文介绍了 DeepMTL2R，这是一个开源深度学习框架，用于多任务学习排序（MTL2R），其中必须同时优化多个相关性准则。DeepMTL2R 通过利用 transformer 架构的自注意力机制，将异构相关性信号整合到统一、情境感知的模型中，实现了对多样且可能相互冲突目标的有效学习。该框架包含 21 种最先进的多任务学习算法，并支持多目标优化以识别帕累托最优排序模型。通过捕获项目和标签之间的复杂依赖关系和远程相互作用，DeepMTL2R 提供了一个可扩展且表现力强的解决方案，用于现代排序系统，并促进了 MTL 策略的受控比较。我们在公开数据集上演示了其有效性，报告了具竞争力的性能，并可视化了目标之间的 resulting trade-offs。DeepMTL2R 可在 https://github.com/amazon-science/DeepMTL2R 获得。
关键词
引用
@article{arxiv.2602.14519,
title = {DeepMTL2R: A Library for Deep Multi-task Learning to Rank},
author = {Chaosheng Dong and Peiyao Xiao and Yijia Wang and Kaiyi Ji},
journal= {arXiv preprint arXiv:2602.14519},
year = {2026}
}