Puiching-Memory/TAAC_2026

何を解決するか

このプロジェクトは、大規模な推薦システム向けの即時利用可能で拡張可能な実験用ワークスペースを提供します。特に、ユーザー行動の時系列モデリング（時間経過によるユーザー行動の捉え方）と高次元スパース特徴の特徴相互作用（特徴のクロス）という、従来別々のアーキテクチャで処理されてきた課題を統合することを目的としています。

仕組み

ワークスペースは、コンバージョン率予測のためのユーザー行動シーケンスと非時系列の多ドメイン特徴の両方を処理する単一のアーキテクチャを用いた統合モデリングパラダイムを実装しています。以下のスムーズなパイプラインを提供します：

• モデル統合：新しいモデルは __init__.py と model.py の2つのファイルを追加するだけで追加でき、1行のコード変更で切り替え可能です。
• データパイプライン：Parquetを用いたステップレベルのストリーミングパイプラインで効率的な読み取りを実現。5つのキャッシュ戦略と、さまざまなデータ拡張技術（シーケンスのクリッピング、ドメインレベルのドロップアウト、特徴マスキング）をサポート。
• ハードウェア最適化：RMSNorm、LayerNorm、FlashAttentionなどの演算を対応する複数のGPUカーネル（Triton、TileLang、torch）でサポート。
• デプロイ：トレーニングと推論のバンドルをパッケージ化し、プラットフォームに提出するためのツールを提供。

対象ユーザー

特にTAAC 2026コンペティションに参加または研究している、推薦システムの開発者や研究者。

特徴

• マルチモデル対応：Baseline、InterFormer、OneTrans、TokenFormer、Symbiosis、DualQ、QueryFormer の実装を含む。
• 高性能カーネル：TritonとTileLangの統合サポートによりGPUパフォーマンスを最適化。
• HuggingFace統合：huggingface-cli を使ってサンプルデータセットを簡単にダウンロード可能。
• 包括的なツールセット：CIゲート、階層的テスト（ユニット、コントラクト、統合、ベンチマーク、GPU）、Zensicalによる自動ドキュメント生成を含む。