EGMN a été proposé par l'équipe de recherche de Xiaohongshu en août 2025, et les résultats de recherche correspondants ont été publiés dans l'article «Modélisation de la distribution multi-granularité pour la prédiction du temps de visionnage vidéo via un réseau de mélange exponentiel-gaussien", nominé pour le prix du meilleur article à RecSys 2025.

L'équipe de recherche de Xiaohongshu a proposé un modèle de réseau de mélange exponentiel-gaussien (EGMN) utilisant une architecture de réseau neuronal. Ce réseau se compose de deux modules clés : un encodeur de représentation cachée et un générateur de paramètres de mélange. Dans un premier temps, les chercheurs génèrent une représentation cachée partagée par toutes les composantes de distribution. Ensuite, les paramètres de chaque composante sont estimés à partir de cette représentation cachée, et un réseau de contrôle est appliqué pour effectuer un mélange pondéré de plusieurs distributions. Les chercheurs ont mené de nombreuses expériences hors ligne sur des jeux de données publics et des tests A/B en ligne dans le contexte de la diffusion de courtes vidéos industrielles via l'application Xiaohongshu. Ces expériences ont démontré que l'EGMN présente d'excellentes capacités d'ajustement de la distribution, tant à grande échelle qu'à petite échelle.