7. 端到端生成式建模¶
在过去的十余年间，无论是推荐、搜索还是广告系统，工业界普遍采用多阶段级联（Multi-stage Cascading Architecture, MCA）的范式。这种架构通常包括召回（Recall）、预排序（Pre-ranking）、排序（Ranking）等多个独立模块，数据像漏斗一样逐层筛选，最终产出结果。这种设计在特定历史时期有效地平衡了计算效率和模型复杂度，但随着数据规模的爆炸式增长和用户体验要求的不断提高，其固有的结构性缺陷日益凸显。
本节将深入剖析传统多阶段级联架构在设计层面的深层瓶颈，并着重介绍在推荐、电商搜索和在线广告等不同应用场景下，各类端到端生成式模型如何通过革新性的模型结构设计，实现系统各环节的统一与整合，从而在结构上彻底颠覆传统“级联漏斗”的局限性。这些端到端生成式模型不再将各个子任务割裂处理，而是通过统一的神经网络架构，直接从用户输入生成最终结果，从而消除了中间环节的信息损失、优化目标冲突以及计算碎片化等问题。