你刚浏览了跑鞋，又点开一场马拉松，广告系统最好能看懂这两步的先后，而不只是记下“你点过两次”。Meta介绍了一套面向广告排序的多阶段架构：先用便宜模型从海量广告中缩小范围，再把更复杂、也更耗算力的模型留给少数候选，以平衡响应速度、计算成本和排序效果。
这项工作的重点，是让数十亿次用户互动形成的行为序列进入上述流程。用户行为序列保留点击、浏览等动作的顺序和时间，可帮助模型区分长期偏好与刚出现的意图，也减少对人工特征工程——例如统计过去七天点击次数——的依赖。标题还提到 Scaling laws，即观察增加模型、数据或计算投入后，收益是否仍值得成本。不过现有材料只披露了这一方向，未说明各阶段如何衔接，也没有给出效果、延迟或算力数据，因此暂时无法判断实际取舍。