XGBoost 2.0 réduit de 55% les coûts de recommandation face à TensorFlow 2.15 sur un jeu de données de 1M d'utilisateurs

Un benchmark comparant XGBoost 2.0 et TensorFlow 2.15 sur un dataset de recommandation de 1 million d'utilisateurs a montré une réduction de 55% des coûts d'inférence. La précision hors ligne est restée équivalente, permettant une économie mensuelle de 22 000$ sur la facture AWS pour un système de recommandation de taille moyenne. Aucun détail sur l'équipe ou l'entreprise à l'origine du test n'est précisé.