稀疏ID可以唯一表示item，有很好的区分性，但丧失了对item的细粒度信息刻画。纯文本可以准确可以item属性，但构造成prompt太长，套入到LLM中会导致资源消耗过大。那么如何结合两者的优点呢？COBRA首先根据codebook生成item的稀疏ID，该ID可以理解为item的大类别。既不过于精细，像unique id，又不过于宽泛。然后将ID序列输入到Transformer Decoder

TIGER是第一篇将Generative Retrieval 自回归生成方式应用于推荐系统的工作；它通过Semantic ID 和 Seq2Seq Transformer，突破embedding + ANN的传统限制；在冷启动、多样性、效率和泛化能力上展现强优势；适用于大规模推荐场景，尤其是content-rich、item海量、频繁上线新品的平台。

为了让粗排支持交叉特征来提升模型性能，同时又为了降低引入交叉特征、复杂模型所带来的预估延迟和资源消耗，阿里团队提出了COLD，在模型效果和算力间取得了平衡。more。

毫米波雷达是**“务实的功能性传感器”**，性价比高，全天候可靠，尤其擅长测速。激光雷达是**“精确的建模型传感器”**，能构建高精地图，是高级别自动驾驶的“眼睛”，但成本高且受天气制约。它们是智能系统感知世界的两种互补技术，共同确保了车辆或机器人在复杂环境下的安全运行。

【代码】ipynb导出为markdown。

这两天尝试了使用Github Action来自动化部署博客，踩了一些坑，在此记录一下。新建仓库存放博客源文章的仓库（Source Repo），命名随意存放编译后生成的静态文件的仓库（Page Repo），命名username.github.io配置部署密钥利用 ssh-keygen 来生成公钥和私钥：私钥放于Source仓库的 Settings -> Secrets -> Action

上一篇配置好了OpenSSH，这一次准备免密登录win10的，本机的公钥也写到win10的 authorized_keys 中了，但是ssh登录还是需要密码。在这里，还需要修改一个文件：C:\ProgramData\ssh\sshd_config :# Match Group administrators#AuthorizedKeysFile __PROGRAMDATA__/ssh/adminis

训练过程中，显存消耗主要有模型参数、梯度、optimizer状态值和中间激活值。

下面是一些参数高效的微调大模型方法：more。

数据预处理好之后可以保存成pkl文件，这样后面多次运行程序的时候，可以直接加载。省的每次都要处理浪费时间tag2id 列完之后可以用一行代码转换成 id2tag:id2tag = {num: label for label, num in tag2id.items()}...