datawhalechina/fun-rec

项目名称：datawhalechina/fun-rec（深度推荐算法实践，又称“小麦书”）

项目定位：一本系统讲解推荐系统技术演进的开放书籍，覆盖从传统“级联架构”到前沿“生成式范式”的完整路线。适合已有机器学习基础、想系统掌握推荐算法原理与工程实践的读者。

内容结构：

• 上篇（级联架构）：介绍经典推荐流程，包括候选召回（协同过滤、向量召回、序列召回）、精准排序（特征交叉、序列建模、多目标/多场景建模）以及重排多样性（贪心、个性化重排）。
• 下篇（生成式范式）：聚焦最新方向，涵盖生成式推荐基础（Transformer、扩散模型、Tokenizer）、Scaling Law架构探索、端到端生成式建模（如OneRec系列）、会思考的推荐模型（推理增强）、基于扩散的推荐模型，以及生产级推荐系统的完整构建实战。

当前状态：仍在开发中，代码和内容更新频繁，暂不接受Pull Request；如有建议或问题，可通过GitHub Issue反馈。

社区与支持：项目建有学习社区（微信群+知识星球），并关联B站视频；可通过添加指定微信（备注“Fun-Rec”）加入交流群。

贡献者：核心贡献者为Ruyi Luo（推荐算法工程师）和Bo Kang（访问教授、nobl.ai联合创始人），另有早期多位贡献者。

许可协议：采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议（CC BY-NC-SA 4.0）。