google/rax

解决的问题

Rax 是一个专为学习排序（LTR）问题设计的库，其目标是基于搜索查询等上下文，优化文档或推荐项等项目列表的相对顺序。它提供了处理与标准分类或回归不同的排序特定目标所需的工具。

工作原理

基于 JAX 构建，Rax 提供了一套纯函数式的排序损失和度量实现。它允许用户计算 NDCG 和 MRR 等度量，并应用 softmax 或成对逻辑损失等排序损失。它还包含专门的转换，例如 approx_t12n，可将非可微分的排序度量转换为可微分的损失，从而在 JAX 中实现基于梯度的优化。

适用人群

本库适用于在搜索引擎、推荐系统、问答系统和对话系统等领域工作的开发人员和研究人员，这些领域中结果的顺序至关重要。

主要亮点

• JAX 原生：与 JAX 变换完全兼容，且为纯函数式。
• 排序专用工具：提供即用型的损失实现（例如 softmax_loss）和度量实现（例如 ndcg_metric）。
• 可微分度量：能够将不可微分的度量转换为可微分的损失。
• 广泛应用：支持多种 LTR 应用，包括搜索和推荐。