GlenTt

理解整数在计算机中的表示

摘要：理解整数在计算机中的表示理解计算机如何表示整数，不仅是学习编程语言的基础，更是掌握计算机系统设计哲学的关键。这篇文章将从最底层的物理存储单位开始，一步步构建起对整数表示的认知，最终理解为什么工程实践中我们要做出特定的类型选择。第一层：物理基础——bit 与 byte 的本质关系让我们从计算机存阅读全文

posted @ 2025-12-13 22:44 GlenTt 阅读(494) 评论(2) 推荐(0)

Bash 入门指南-简介和常见命令

摘要： Bash 入门指南（第一部分）：Bash 简介概述 Bash（Bourne Again Shell）是目前 Unix 和 Linux 系统中最广泛使用的命令行解释器，也是绝大多数 Linux 发行版的默认 Shell。作为用户与操作系统内核之间的桥梁，Bash 不仅提供了强大的命令行交互环境，还支阅读全文

posted @ 2025-11-08 19:27 GlenTt 阅读(655) 评论(0) 推荐(3)

什么是 Feed 流？

摘要：什么是 Feed 流？摘要 Feed 源自“被投喂的更新条目”，流指“连续滚动的呈现与计算范式”；Feed 流就是平台按流式形态持续投喂个性化内容给用户的机制与界面。本质上，它是一个在实时反馈下运行的序列化个性化排名系统：内容持续产出 → 召回与多阶段排序 → 去重与重排 → 展示与交互 → 反阅读全文

posted @ 2025-11-07 19:58 GlenTt 阅读(158) 评论(0) 推荐(0)

Git 协作实战与 Gerrit 评审流程

摘要： Git 协作实战与 Gerrit 评审流程适用场景：公司内网仓库 + Gerrit 评审流程；服务器上 Git 版本较老（无 git switch、git restore）。示例仓库：/home/aaa/bbb/ccc，远端别名 origin。 1. 背景与目标协作开发的痛点集中在：分支基线不阅读全文

posted @ 2025-11-02 18:23 GlenTt 阅读(219) 评论(0) 推荐(3)

从SGD到AdamW：深度学习优化器演进全解析与实践指南

摘要：

从SGD到AdamW：深度学习优化器演进全解析与实践指南摘要在深度学习中，优化器（Optimizer）是连接模型与数据的桥梁，它负责根据损失函数的梯度来更新模型的参数，以期找到一组能最小化损失的“最优解”。优化器的选择和调优，直接关系到模型的训练速度、收敛性以及最终的泛化能力。本文将遵循“问题提阅读全文

posted @ 2025-10-15 16:45 GlenTt 阅读(886) 评论(0) 推荐(1)

论文分享-ETEGRec：端到端可学习的物品分词与生成式推荐

摘要： ETEGRec：端到端可学习的物品分词与生成式推荐摘要现有生成式推荐多采用"两阶段"范式：先离线构造语义标识（Semantic ID），再以固定标识训练生成器，导致分词器与生成器目标失配、分布不一致。ETEGRec 将 RQ-VAE 物品分词器与 T5 式生成器统一到一个端到端框架中，并引入两类阅读全文

posted @ 2025-10-11 11:51 GlenTt 阅读(203) 评论(0) 推荐(0)

KV Cache 与 MQA/GQA：从推理优化看注意力机制的工程化演进

摘要： KV Cache 与 MQA/GQA：从推理优化看注意力机制的工程化演进本文将从自回归推理的工程需求出发，系统阐述 KV Cache 的本质、设计原理及其如何自然引出多查询注意力（MQA）与分组查询注意力（GQA）的优化路径。一、自回归推理的瓶颈与 KV Cache 的诞生在 Transfor 阅读全文

posted @ 2025-10-10 19:46 GlenTt 阅读(228) 评论(2) 推荐(1)

QARM：多模态语义对齐与量化在推荐系统中的实践路径

摘要： QARM：多模态语义对齐与量化在推荐系统中的实践路径在短视频、电商、广告等多模态内容密集的业务中，如何让推荐系统真正理解"内容语义"成为关键挑战。传统的推荐系统依赖 ID-based 特征（如用户 ID、物品 ID、场景 ID），而多模态信息（如图像、文本、音频）通常以固定向量的形式加入模型输入，阅读全文

posted @ 2025-10-09 18:47 GlenTt 阅读(493) 评论(0) 推荐(0)

语义Id论文精读：COBRA《Sparse Meets Dense: Unified Generative Recommendations with Cascaded Sparse-Dense Representations》

摘要：语义Id论文精读：COBRA《Sparse Meets Dense: Unified Generative Recommendations with Cascaded Sparse-Dense Representations》大家好，接下来我将为大家系统性地梳理语义ID在推荐领域的两大主流技术路线阅读全文

posted @ 2025-10-09 10:08 GlenTt 阅读(306) 评论(0) 推荐(0)

语义ID论文精读《Better Generalization with Semantic IDs: A Case Study in Ranking for Recommendations》

摘要：语义ID论文精读《Better Generalization with Semantic IDs: A Case Study in Ranking for Recommendations》大家好，接下来我将为大家系统性地梳理语义ID在推荐领域的两大主流技术路线相关论文，在此之前我先给出我目前关于语阅读全文

posted @ 2025-10-08 14:51 GlenTt 阅读(793) 评论(0) 推荐(1)

导航

公告