Symbiosis¶

最先进的实验包，集成了多项架构创新和训练优化。

包结构¶

config/symbiosis/
├── __init__.py
├── model.py
└── ns_groups.json

模型思路¶

Symbiosis 在 HyFormer 基础上引入共生学习机制，通过 11 个独立特性开关控制不同组件的启用。核心创新：

Context Exchange -- 用户和物品上下文之间的信息交换（消融实验中影响最大的组件）
Fourier Time -- 傅里叶时间编码，捕获时间周期性模式
Multi-Scale -- 多尺度注意力，同时关注局部和全局模式
Domain Gate -- 域门控，动态加权不同序列域的贡献
Compressed Memory -- 压缩记忆机制（block_size=16, top_k=8, recent_tokens=64）
RoPE -- 旋转位置编码（rope_base=1,000,000）

训练¶

参数	值
模型类	`PCVRSymbiosis`
NS Tokenizer	`rankmixer` (user_tokens=5, item_tokens=2)
`num_blocks`	3
`num_heads`	4
`dropout_rate`	0.02
`dense_optimizer_type`	`orthogonal_adamw`
`amp`	True, `amp_dtype=bfloat16`
`compile`	True
`batch_size`	128
`pairwise_auc_weight`	0.05

uv run taac-train \
  --experiment config/symbiosis \
  --dataset-path data/sample_1000_raw/demo_1000.parquet \
  --schema-path data/sample_1000_raw/schema.json

消融开关¶

11 个特性开关（PCVRSymbiosisConfig）：

开关	说明
`use_user_item_graph`	用户-物品交互图
`use_fourier_time`	傅里叶时间编码
`use_context_exchange`	上下文交换机制
`use_multi_scale`	多尺度注意力
`use_domain_gate`	域门控
`use_candidate_decoder`	候选解码器
`use_action_conditioning`	动作条件化
`use_compressed_memory`	压缩记忆
`use_attention_sink`	注意力 Sink
`use_lane_mixing`	车道混合
`use_semantic_id`	语义 ID

消融结果（outputs/ablations/symbiosis_smoke/，1000 样本 Bootstrap，seed=42）：

配置	AUC 变化
base	基准
no_context_exchange	-0.005791（最大下降）
no_fourier_time	较小下降
no_multi_scale	较小下降
no_user_item_graph	较小下降

评估输出¶

Checkpoint 保存在 outputs/pcvr_symbiosis-<slug>/，格式与 Baseline 一致。

评估命令：

uv run taac-evaluate single \
  --experiment config/symbiosis \
  --dataset-path data/sample_1000_raw/demo_1000.parquet \
  --schema-path data/sample_1000_raw/schema.json

线上打包¶

# 训练 Bundle
uv run taac-package-train --experiment config/symbiosis --output-dir outputs/bundle

# 推理 Bundle
uv run taac-package-infer --experiment config/symbiosis --output-dir outputs/bundle