Puiching-Memory/TAAC_2026

해결하는 문제

이 프로젝트는 대규모 추천 시스템을 위한 즉시 사용 가능한 확장 가능한 실험용 워크스페이스를 제공합니다. 특히 사용자 행동의 시계열 모델링(시간에 따른 사용자 행동 포착)과 고차원 희소 특징의 특징 상호작용(특징 크로스)을 통합하는 문제에 초점을 맞추며, 이는 전통적으로 별도의 아키텍처로 처리되어 왔습니다.

작동 방식

워크스페이스는 사용자 행동 시퀀스와 비시계열 다중 도메인 특징을 모두 처리할 수 있는 단일 아키텍처를 사용하여 통합된 모델링 패러다임을 구현합니다. 다음과 같은 원활한 파이프라인을 제공합니다:

• 모델 통합: 새로운 모델은 __init__.py와 model.py 두 파일을 추가하여 추가할 수 있으며, 단일 코드 라인으로 쉽게 전환 가능합니다.
• 데이터 파이프라인: Parquet를 사용한 단계별 스트리밍 파이프라인으로 효율적인 읽기를 지원하며, 5가지 캐시 전략과 다양한 데이터 증강 기법(시퀀스 클리핑, 도메인 수준 드롭아웃, 특징 마스킹)을 지원합니다.
• 하드웨어 최적화: RMSNorm, LayerNorm, FlashAttention 등의 연산을 Triton, TileLang, torch 등 여러 GPU 커널에서 지원합니다.
• 배포: 트레이닝 및 추론 번들을 패키징하여 플랫폼 제출용으로 사용할 수 있는 도구를 제공합니다.

대상 사용자

특히 TAAC 2026 경진대회에 참여하거나, 통합 시계열 모델링과 특징 상호작용을 연구하는 추천 시스템 연구자 및 개발자입니다.

주요 특징

• 다중 모델 지원: Baseline, InterFormer, OneTrans, TokenFormer, Symbiosis, DualQ, QueryFormer의 구현 포함.
• 고성능 커널: Triton과 TileLang 통합 지원으로 GPU 성능 최적화.
• HuggingFace 통합: huggingface-cli를 통해 샘플 데이터셋을 쉽게 다운로드 가능.
• 포괄적인 도구 세트: CI 게이트, 계층적 테스트(단위, 계약, 통합, 벤치마크, GPU), Zensical을 통한 자동 문서 생성 포함.