从梯度下降到 Semantic ID：理解 RQ-VAE 所需的全部前序知识
一篇文章补齐从机器学习基础、深度学习、Transformer/LLM、搜广推系统架构到向量量化的全部知识链——读完后直接进入 RQ-VAE Semantic ID 训练那篇文章，不会有任何理解断裂。
#推荐系统
9 posts
← All tags码本利用率的骗局：RQ-VAE Semantic ID 训练的七个工程权衡
把码本向量维度改小，利用率飙到 90%+——这说明模型学好了吗？从码本崩塌到 Scaling Law，深入拆解 RQ-VAE Semantic ID 训练中的七个核心工程权衡。
X 开源推荐算法拆解：一个精妙的特化系统，而非通用推荐范式
X (Twitter) 2026 年开源的 For You 推荐算法是一个为自身场景量身定制的特化系统。本文从广告系统工程师视角分析其核心设计，并与字节、快手的通用架构对比，拆解其真实的可迁移价值。