EGMN wurde im August 2025 vom Xiaohongshu-Forschungsteam vorgeschlagen, und die entsprechenden Forschungsergebnisse wurden in der Arbeit „Modellierung der Mehrgranularitätsverteilung zur Vorhersage der Videowiedergabezeit mittels exponentiell-gaußscher Mischverteilung", nominiert für den Preis für das beste Paper bei RecSys 2025.

Das Forschungsteam von Xiaohongshu entwickelte ein Exponential-Gaussian Mixture Network (EGMN)-Modell auf Basis einer neuronalen Netzwerkarchitektur. Dieses Netzwerk besteht aus zwei Schlüsselmodulen: einem Encoder für die verborgene Repräsentation und einem Generator für die Mischungsparameter. Zunächst generieren die Forscher eine verborgene Repräsentation, die allen Verteilungskomponenten gemeinsam ist. Anschließend werden die Parameter jeder Verteilungskomponente anhand dieser Repräsentation geschätzt, und ein Gating-Netzwerk führt eine gewichtete Mischung mehrerer Verteilungen durch. Die Forscher führten umfangreiche Offline-Experimente mit öffentlichen Datensätzen und Online-A/B-Tests im industriellen Kurzvideo-Szenario der Xiaohongshu-App durch. Die Ergebnisse zeigen, dass EGMN sowohl auf grob- als auch auf feinkörniger Ebene hervorragende Anpassungsfähigkeiten an Verteilungen aufweist.