GPT4規模大模型落地，Meta提ExFM框架：萬億參數基礎大模型的工業級落地成為可能

作者：機器之心 2025-03-12 14:49:29

在 Meta AI 研究團隊提交的一篇論文中，研究團隊提出 External Large Foundation Model（ExFM）框架，首次系統性地解決了上述問題，成功支持萬億參數大模型在廣告推薦中的高效服務。

如何讓萬億級基礎大模型能夠高效、低成本地服務于大規模工業級應用，并且讓能夠隨著模型規模的提升（Scaling）而得到持續的性能增長？這一直是眾多企業困擾良久的難題。

在線廣告推薦系統是互聯網平臺的核心服務之一，其模型性能直接影響用戶體驗與商業價值。近年來，隨著 GPT-4、 DeepSeek、 Llama 等萬億參數基礎模型的成功，工業界和學術界開始探索通過模型規模化（Scaling）的方式建立基礎大模型來提升推薦效果。

然而，受限于其巨額訓練以及計算成本，以及工業級廣告實時推薦對延時性以及部署計算資源的嚴格要求，基礎大模型幾乎很難被直接地應用于實時廣告排序以及推薦系統，尤其是考慮到很多公司無法負擔大規模的 GPU 來服務巨量用戶群體。

因此，目前工業界廣泛考慮讓基礎大模型（Foundation Model）的能力遷移到線上小模型（Vertical Model）當中以提高在線模型的能力，且主要采用教師-學生蒸餾（teacher-student distillation）。不過，此類解決方案在廣告工業中的應用依舊面臨著兩大長期被忽視的挑戰：受限的訓練/推理預算，與動態變化的流式數據分布。這些挑戰的存在使得大模型對線上模型的幫助受限，且無法規模化提升線上模型的性能。

本周，在 Meta AI 研究團隊提交的一篇論文中，研究團隊提出 External Large Foundation Model（ExFM）框架，首次系統性地解決了上述問題，成功支持萬億參數大模型在廣告推薦中的高效服務。據文章描述，ExFM 框架實現了以下 SOTA 成果：

規模化大模型及線上模型的迭代部署：ExFM 解耦了教師模型和學生模型的迭代和部署，在接近于 0 服務成本的情況下成功部署萬億級別參數的工業級大模型（類 GPT-4 規模），顯著降低了工業界受益于大模型的門檻和成本。ExFM 創新的提出數據增強系統（DAS），使得模型在等待線上用戶的真實訓練標簽（ground-truth label, 如用戶最終的點擊或購買行為）的時間里完成教師模型的參數更新與相應的偽標簽預測，達到對服務延遲沒有額外要求。
高效的知識遷移轉化率：ExFM 創新地提出了輔助頭（Auxiliary Head）以及學生適配器（Student Adapter）來解耦教師與學生模型，減少流式數據分布變化對教師模型與學生模型訓練過程中引入的偏置對知識遷移的影響，從而提高教師模型到學生模型的知識遷移轉化率，并對此進行了相應的理論分析。經驗結果表明，這兩項新技術在內部以及公開數據上皆取得了 SOTA 的結果。
實現 1 到 N 的知識遷移轉化：在 ExFM 的賦能下，不同領域、任務、階段里負責廣告排序的線上模型均實現了 SOTA 表現。
新型的 Transfer Scaling Law：在 ExFM 的賦能下，當不斷迭代和提升基礎大模型的模型規模時，其高效的知識轉化率使得線上的廣告排序模型的性能呈現出連續數年的持續提升（圖 1），且增速在不斷擴大，展示了一種新型的 Transfer Scaling Law。

圖 1：內部數據上基于不同規模的 FM 對 VM 進行迭代下取得的 NE 增益（時間跨度從 2023 年至 2024 年）。1X 等于 60 Million training FLOPs，1T 指 1 Trillion。

目前該論文已被 WWW 2025 Industrial Track 錄用為口頭報告 (Oral Presentation，根據往年數據一般為 top 10% 的論文)。本文將深入解析這一技術突破的核心思想與創新實踐。

論文標題：External Large Foundation Model: How to Efficiently Serve Trillions of Parameters for Online Ads Recommendation
論文鏈接：https://arxiv.org/abs/2502.17494

規模化的隱形門檻

工業級推薦的兩大挑戰

現有廣告推薦方面的研究多聚焦于模型架構創新與參數規模擴展，但工業場景的特殊性導致線上部署的模型會面臨以下兩個主要挑戰：

1. (C-1) 大流量下嚴格的延遲限制

廣告推薦需在毫秒級響應中從海量候選廣告（O (100K)）中實時篩選，模型推理延遲將直接影響用戶體驗。
傳統知識蒸餾（KD）需聯合訓練師生模型，顯著增加計算成本和線上模型更新迭代的延遲，無法滿足工業級模型實時更新的需求。

2. (C-2) 流式數據的動態漂移

用戶與廣告數量會出現大規模的實時增減，這導致數據分布持續變化。傳統多輪訓練易出現過時，具體指的是線上模型更新完成的時間點落后于即時數據到達的時間點而使得大量實時數據無法被納入訓練，導致模型訓練后性能不足。并且多輪訓練的計算代價高昂，這是因為實時數據的規模異常龐大且與日俱增。
教師模型，如基礎模型（FM），與垂直模型（VM）間的跨域偏差與新鮮度差異進一步加劇性能衰減。

圖 2：（a）聯合蒸餾（Co-Distillation）與外部蒸餾（External Distillation）；（b）流式數據下的模型迭代更新示意圖；（c）ExFM 框架，以一次模型迭代為例的示意圖。

對于解決挑戰 C-1，常見的解決手段基于知識蒸餾，如果圖 2（a）所示，即把一個參數量大的教師模型與一個參數量小的學生模型進行聯合訓練，而學生模型會用于在線廣告推薦。然而在現實場景中，聯合訓練將增加學生模型的訓練復雜度以至于無法滿足工業級應用對在線模型進行更新訓練的延時要求。另一方面，廣告推薦往往涉及多個在線服務模型，每一個模型需要負責特定的階段的廣告排序任務。若對每個服務模型都建立對應的教師模型將非常低效且無法規模化。

因此，本文認為一個理想的教師模型應該滿足以下兩點需求：

教師模型應該獨立于學生模型，即進行外部整理，如圖 2（a）所示。
教師模型應該像一個基礎模型一樣滿足 1-to-N，即一個教師模型可以幫助多個不同方向的學生模型的性能提升。

然而在線廣告工業中的流式及動態變化的數據分布（挑戰 C-2）使得實現理想的教師模型變得相當困難。如圖 2（b）所示，模型需要持續訓練以應對不斷出現的分布漂移。對此 Meta 內部數據顯示，若模型停止更新，其歸一化熵損失（NE）隨延遲時間呈指數級上升（如圖 3 所示）。這迫使工業系統必須在「模型規模」與「服務效率」間尋求平衡。

圖 3：點擊率預測（CTR）隨著模型更新延遲而出現嚴重的下滑。